| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-23页 |
| ·引言 | 第11-13页 |
| ·聚烯烃反应器粒径检测的现状 | 第13-14页 |
| ·声波法测定流化床粒径的基本思路 | 第14-15页 |
| ·模式分类的过程和系统结构 | 第15-17页 |
| ·聚烯烃生产中典型的生产工艺介绍 | 第17-21页 |
| ·Unipol气相流化床聚乙烯工艺 | 第17-19页 |
| ·液相本体法聚丙烯工艺 | 第19-21页 |
| ·本文内容组织 | 第21-23页 |
| 第2章 小波分析及能量特征模式 | 第23-33页 |
| ·引言 | 第23-25页 |
| ·小波函数 | 第25页 |
| ·连续小波变换 | 第25-26页 |
| ·离散小波变换(DISCRETE WAVELET TRANSFORM,DWT) | 第26页 |
| ·多尺度分析(MULTI-RESOLUTION ANALYSIS,MRA) | 第26-29页 |
| ·离散序列的MALLAT小波变换 | 第29页 |
| ·小波包变换 | 第29-31页 |
| ·小波及小波包能量模式 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 逐步判别分析、主成分分析和分类相关成分分析 | 第33-44页 |
| ·引言 | 第33-34页 |
| ·变量的判别能力与逐步判别方法 | 第34-36页 |
| ·变量的判别能力 | 第34页 |
| ·变量筛选的逐步判别方法 | 第34-36页 |
| ·主成分分析 | 第36-39页 |
| ·主成分分析的原理 | 第36-37页 |
| ·主成分的求解 | 第37-39页 |
| ·分类相关成分分析 | 第39-42页 |
| ·类别向量的表示形式 | 第39-40页 |
| ·相关成分的分类性能 | 第40-41页 |
| ·分类相关成分的计算 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于贝叶斯方法的模式识别 | 第44-55页 |
| ·引言 | 第44页 |
| ·贝叶斯统计思想与经验损失最小化 | 第44-46页 |
| ·求贝叶斯解的方法 | 第46-48页 |
| ·贝叶斯多类判别 | 第48-49页 |
| ·逐步判别和贝叶斯判别在声波法粒径检测中的应用 | 第49-54页 |
| ·采集装置与声波样本 | 第50-51页 |
| ·能量模式样本的判别能力 | 第51-53页 |
| ·粒径分类的贝叶斯判别 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于最小二乘支持向量机的检测 | 第55-73页 |
| ·引言 | 第55页 |
| ·SVM理论基础 | 第55-61页 |
| ·经验风险最小化原则和结构风险最小化原则 | 第55-58页 |
| ·用于分类的支持向量机 | 第58-61页 |
| ·LSSVM原理 | 第61-66页 |
| ·两类LSSVM分类器 | 第61-62页 |
| ·LSSVM多类分类方法 | 第62-63页 |
| ·多类LSSVM分类器 | 第63-64页 |
| ·用于多类的LSSVM分类器组方法 | 第64-66页 |
| ·LSSVM在声波法平均粒径检测中的应用 | 第66-72页 |
| ·LSSVM在气-固流化床粒径声波法检测中的应用 | 第66-70页 |
| ·LSSVM在声波法搅拌釜粒径检测中的应用 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·总结 | 第73页 |
| ·工作展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 作者攻读硕士学位期间发表的论文及参加的科研项目 | 第81页 |
