| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-29页 |
| 1.1 研究背景与意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 定制生产 | 第11-17页 |
| 1.2.1 定制生产方式的分类与比较 | 第11-13页 |
| 1.2.2 定制产品的特点 | 第13页 |
| 1.2.3 大规模定制 | 第13-17页 |
| 1.3 定制生产对质量控制的新要求 | 第17-18页 |
| 1.4 定制生产质量管理国内外研究综述 | 第18-24页 |
| 1.4.1 定制生产质量控制方法研究现状 | 第18-20页 |
| 1.4.2 控制图关键统计特征提取方法研究综述 | 第20-21页 |
| 1.4.3 过程异常时的诊断方法 | 第21-24页 |
| 1.5 论文的研究内容与结构 | 第24-27页 |
| 1.6 本研究的创新之处 | 第27-29页 |
| 第二章 支持向量机及粗糙集基本理论 | 第29-40页 |
| 2.1 支持向量机基本理论 | 第29-36页 |
| 2.1.1 机器学习 | 第29-31页 |
| 2.1.2 两类支持向量分类机 | 第31-35页 |
| 2.1.3 多类支持向量分类方法 | 第35-36页 |
| 2.2 粗糙集理论相关定义 | 第36-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第三章 定制产品控制图统计特征提取方法研究 | 第40-56页 |
| 3.1 控制图基本模式及其描述 | 第40-42页 |
| 3.2 控制图模式识别概述 | 第42-45页 |
| 3.3 基于粗糙集的定制生产控制图特征提取算法 | 第45-48页 |
| 3.3.1 定制生产控制图特征提取算法思想和步骤 | 第45-47页 |
| 3.3.2 定制生产控制图模式分类的特征 | 第47-48页 |
| 3.4 定制生产控制图特征提取实验及结果分析 | 第48-55页 |
| 3.4.1 数据采集及其原始特征 | 第48页 |
| 3.4.2 基于RS 的特征提取结果 | 第48-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于R-ν-SVC 的定制产品控制图模式识别算法研究 | 第56-80页 |
| 4.1 基于R-ν-SVC 的模式分类思想 | 第56-61页 |
| 4.2 基于R-ν-SVC 的模式分类算法研究 | 第61-64页 |
| 4.3 基于R-ν-SVC 的模式分类规则的建立 | 第64-67页 |
| 4.4 ν-SVC 与R-ν-SVC 分类效果比较与分析 | 第67-69页 |
| 4.5 基于R-ν-SVC 的定制生产控制图模式分类 | 第69-74页 |
| 4.5.1 仿真实验 | 第69-70页 |
| 4.5.2 实验结果分析 | 第70-74页 |
| 4.6 定制生产辅助质量诊断方法研究 | 第74-78页 |
| 4.7 本章小结 | 第78-80页 |
| 第五章 实证研究 | 第80-89页 |
| 5.1 扣式电池封口机简介 | 第80-81页 |
| 5.2 基于粗糙集封口机模具表面粗糙度质量诊断 | 第81-86页 |
| 5.2.1 问题描述 | 第81页 |
| 5.2.2 封口机模具表面粗糙度缺陷诊断 | 第81-86页 |
| 5.3 封口电池电流控制图模式识别 | 第86-88页 |
| 5.4 本章小结 | 第88-89页 |
| 第六章 总结与展望 | 第89-91页 |
| 6.1 总结 | 第89-90页 |
| 6.2 展望 | 第90-91页 |
| 参考文献 | 第91-97页 |
| 发表论文和科研情况说明 | 第97-98页 |
| 致谢 | 第98-99页 |
