基于特征融合的动态过程质量异常模式识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 第一节 研究背景与意义 | 第10-11页 |
| 第二节 主要研究内容与框架 | 第11-12页 |
| 第三节 本文特色与创新之处 | 第12-14页 |
| 第二章 基于特征融合的质量异常模式识别研究现状 | 第14-31页 |
| 第一节 动态过程质量异常模式 | 第14-18页 |
| 一 动态过程质量控制 | 第14-16页 |
| 二 动态过程质量模式与数据描述 | 第16-18页 |
| 第二节 基于特征提取的模式识别研究现状 | 第18-26页 |
| 一 基于单一类型数据特征的提取方法 | 第19-20页 |
| 二 基于融合特征的提取方法 | 第20-21页 |
| 三 质量异常模式识别方法 | 第21-26页 |
| 第三节 支持向量机分类原理及参数优化 | 第26-31页 |
| 一 支持向量机分类原理 | 第26-28页 |
| 二 支持向量机核函数选择与参数优化 | 第28-31页 |
| 第三章 基于特征融合的质量异常MSVM识别模型 | 第31-46页 |
| 第一节 质量异常模式识别框架与特征提取 | 第31-39页 |
| 一 质量异常模式的识别框架 | 第31-33页 |
| 二 模式分类特征提取 | 第33-39页 |
| 第二节 动态过程质量模式的特征融合 | 第39-42页 |
| 一 特征融合过程 | 第39-40页 |
| 二 融合特征约简 | 第40-42页 |
| 第三节 基于特征融合的MSVM异常模式识别模型 | 第42-46页 |
| 一 构建多分类支持向量机 | 第43-44页 |
| 二 基于特征融合的MSVM识别模型 | 第44-46页 |
| 第四章 基于特征融合的MSVM识别模型仿真分析 | 第46-60页 |
| 第一节 仿真样本数据的产生与预处理 | 第46-48页 |
| 一 仿真数据的产生 | 第46-47页 |
| 二 样本数据的预处理 | 第47-48页 |
| 第二节 基于粗糙集的融合特征约简 | 第48-53页 |
| 一 建立决策表 | 第48-49页 |
| 二 条件属性离散化 | 第49-50页 |
| 三 决策表属性约简 | 第50-51页 |
| 四 融合特征的分布对比 | 第51-53页 |
| 第三节 基于融合特征的MSVM仿真实验 | 第53-60页 |
| 一 基于PSO参数优化的MSVM识别 | 第53-56页 |
| 二 不同特征提取方法的比较研究 | 第56-58页 |
| 三 不同分类方法的比较研究 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 第一节 论文结论 | 第60页 |
| 第二节 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第67-68页 |
| 致谢 | 第68页 |
