基于信息熵的软测量问题研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景及意义 | 第8-9页 |
| ·信息熵概述与研究现状 | 第9-11页 |
| ·信息熵概述 | 第9-10页 |
| ·国内外的研究动态及发展趋势 | 第10-11页 |
| ·软测量概述与研究现状 | 第11-15页 |
| ·软测量技术的框架 | 第11页 |
| ·辅助变量选择 | 第11-12页 |
| ·数据处理 | 第12-13页 |
| ·软测量建模 | 第13-15页 |
| ·论文研究内容及安排 | 第15-16页 |
| 第二章 熵与互信息 | 第16-21页 |
| ·熵与熵的性质 | 第16-17页 |
| ·互信息与熵 | 第17-19页 |
| ·贝叶斯理论的原理 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于分布式互信息的软测量变量选择 | 第21-27页 |
| ·引言 | 第21页 |
| ·互信息与T检验 | 第21-22页 |
| ·分布式互信息的变量选择算法 | 第22-24页 |
| ·实例研究 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于PPCA的缺失数据补全 | 第27-35页 |
| ·引言 | 第27页 |
| ·PCA与PPCA | 第27-30页 |
| ·PCA模型 | 第28页 |
| ·PPCA模型 | 第28-30页 |
| ·基于PPCA的缺失数据补全 | 第30-32页 |
| ·实例研究 | 第32-34页 |
| ·结论 | 第34-35页 |
| 第五章 基于自适应模糊高斯核聚类的概率加权多模型 | 第35-42页 |
| ·课题背景及意义 | 第35页 |
| ·多模型加权理论 | 第35-36页 |
| ·自适应模糊高斯核聚类算法 | 第36-38页 |
| ·贝叶斯概率加权融合算法 | 第38-40页 |
| ·实例研究 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 主要结论与展望 | 第42-44页 |
| 主要结论 | 第42页 |
| 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第50页 |
