明胶浓度软测量建模研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 附图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题背景及意义 | 第11-12页 |
| ·明胶浓度建模方法研究现状 | 第12-18页 |
| ·明胶浓度软测量建模概述 | 第12-16页 |
| ·明胶浓度软测量建模的难点 | 第16页 |
| ·明胶浓度软测量建模的优势 | 第16-17页 |
| ·明胶浓度软测量建模面临的新问题 | 第17-18页 |
| ·本文主要内容及各章节安排 | 第18-19页 |
| ·本文主要内容 | 第18页 |
| ·本文各章节安排 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 明胶浓度软测量应用研究 | 第20-36页 |
| ·明胶生产工艺概述 | 第20-28页 |
| ·制胶原理 | 第20-21页 |
| ·明胶生产工艺过程简介 | 第21-24页 |
| ·提胶工序简介 | 第24-28页 |
| ·机理分析及辅助变量选择 | 第28-29页 |
| ·数据的采集和预处理 | 第29-30页 |
| ·基于BP 神经网络的明胶浓度建模 | 第30-35页 |
| ·BP 神经网络的结构 | 第30-31页 |
| ·BP 神经网络的算法 | 第31-32页 |
| ·BP _Adaboost建模 | 第32-33页 |
| ·仿真结果对比 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于SVM及RBFNN明胶浓度软测量建模 | 第36-53页 |
| ·FCM及GK聚类算法简介 | 第36-38页 |
| ·FCM聚类算法 | 第36-37页 |
| ·GK聚类算法 | 第37-38页 |
| ·基于SVM神经网络建模 | 第38-46页 |
| ·支持向量机理论 | 第38-40页 |
| ·支持向量机 | 第40-41页 |
| ·核函数 | 第41页 |
| ·用于回归估计的 SVM | 第41-42页 |
| ·SVM参数优化方法 | 第42-43页 |
| ·SVM仿真分析 | 第43-46页 |
| ·基于RBF神经网络建模 | 第46-52页 |
| ·径向基神经网络（RBFNN）的结构 | 第46-47页 |
| ·RBF神经网络的特点 | 第47-48页 |
| ·Neurosolution组态软件简介 | 第48-50页 |
| ·RBF神经网络建模仿真 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 界面实现 | 第53-60页 |
| ·明胶浓度软仪表实用性分析 | 第53-54页 |
| ·VC 与 MATLAB 混合编程 | 第54-59页 |
| ·VC与MATLAB混合编程的方法介绍 | 第54-56页 |
| ·VC与MATLAB编程实现 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录 A 发表的学术论文目录 | 第68-69页 |
| 附录 B 部分实验数据及仿真结果 | 第69-71页 |
