| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-26页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 数据驱动建模方法的研究现状 | 第11-15页 |
| 1.2.2 GPR算法的研究现状 | 第15-18页 |
| 1.3 预备知识与算法 | 第18-23页 |
| 1.3.1 单变量GPR算法 | 第18-20页 |
| 1.3.2 多变量GPR算法 | 第20-21页 |
| 1.3.3 粒子群优化算法 | 第21-23页 |
| 1.4 论文的研究内容和创新点 | 第23-24页 |
| 1.5 论文的章节安排 | 第24-26页 |
| 第二章 基于粒子群优化的加权异方差高斯过程建模方法 | 第26-44页 |
| 2.1 引言 | 第26页 |
| 2.2 加权的GPR算法 | 第26-33页 |
| 2.2.1 C-GPR算法 | 第26-29页 |
| 2.2.2 PW-GPR算法 | 第29-31页 |
| 2.2.3 W-GPR算法 | 第31-33页 |
| 2.3 基于PSO算法的参数估计 | 第33-34页 |
| 2.4 仿真与结果分析 | 第34-43页 |
| 2.4.1 一维仿真例子 | 第35-38页 |
| 2.4.2 二维仿真例子 | 第38-39页 |
| 2.4.3 聚合物的湿法纺丝凝固过程 | 第39-43页 |
| 2.5 小结 | 第43-44页 |
| 第三章 基于多变量的加权高斯过程回归建模方法 | 第44-60页 |
| 3.1 引言 | 第44页 |
| 3.2 加权的MGPR算法 | 第44-50页 |
| 3.2.1 C-MGPR算法 | 第44-47页 |
| 3.2.2 PW-MGPR算法 | 第47-49页 |
| 3.2.3 W-MGPR算法 | 第49-50页 |
| 3.3 基于PSO算法的参数估计 | 第50-51页 |
| 3.4 仿真与结果分析 | 第51-59页 |
| 3.4.1 双变量分析函数 | 第52-54页 |
| 3.4.2 单变量分析函数 | 第54-56页 |
| 3.4.3 碳纤维牵伸过程 | 第56-59页 |
| 3.5 小结 | 第59-60页 |
| 第四章 基于相关性噪声的多模型多变量高斯过程建模方法 | 第60-80页 |
| 4.1 引言 | 第60页 |
| 4.2 基于相关性噪声的复合GMM-DMGPR模型 | 第60-71页 |
| 4.2.1 基于相关性噪声的DMGPR模型 | 第61-64页 |
| 4.2.2 基于GMM聚类的GMM-DMGPR模型 | 第64-71页 |
| 4.3 仿真与结果分析 | 第71-79页 |
| 4.3.1 单变量多模态分析函数 | 第71-73页 |
| 4.3.2 双变量分析函数 | 第73-77页 |
| 4.3.3 碳纤维牵伸过程 | 第77-79页 |
| 4.4 小结 | 第79-80页 |
| 第五章 基于有色噪声的多变量高斯过程建模方法 | 第80-95页 |
| 5.1 引言 | 第80页 |
| 5.2 基于时序噪声的高斯过程建模 | 第80-86页 |
| 5.2.1 基于MA噪声的GPR模型 | 第81-82页 |
| 5.2.2 基于AR噪声的GPR模型 | 第82-84页 |
| 5.2.3 基于时序噪声的MGPR模型 | 第84-86页 |
| 5.3 利用改进的PSO算法估计模型参数 | 第86-87页 |
| 5.4 仿真与结果分析 | 第87-94页 |
| 5.4.1 基于有色噪声的双变量函数 | 第87-90页 |
| 5.4.2 基于有色噪声的单变量函数 | 第90-92页 |
| 5.4.3 碳纤维牵伸过程 | 第92-94页 |
| 5.5 小结 | 第94-95页 |
| 第六章 总结与展望 | 第95-97页 |
| 6.1 总结 | 第95-96页 |
| 6.2 展望 | 第96-97页 |
| 参考文献 | 第97-113页 |
| 致谢 | 第113-115页 |
| 附录A 攻读博士学位期间取得的成果 | 第115-116页 |
| 附录B 攻读博士学位期间参与的项目 | 第116页 |
