| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-21页 |
| ·课题的研究背景和意义 | 第13-14页 |
| ·MES环境下制造过程质量数据特点 | 第14-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·控制图模式识别研究现状 | 第15-17页 |
| ·基于数据挖掘技术的质量异常预测与诊断的研究现状 | 第17-18页 |
| ·分类算法在制造过程质量数据中的应用 | 第18-19页 |
| ·课题的提出 | 第19-20页 |
| ·本文主要研究内容 | 第20-21页 |
| 第2章 FCP决策树分类算法 | 第21-33页 |
| ·决策树在不平衡分类问题中的应用分析 | 第21-23页 |
| ·适用于过程质量数据分类的不纯性度量FCP | 第23-25页 |
| ·基于FCP不纯性度量的决策树 | 第25-31页 |
| ·FCP决策树算法描述 | 第25-26页 |
| ·算法性能验证 | 第26-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 基于FCP决策树与聚类的控制图模式识别与质量预测 | 第33-49页 |
| ·引言 | 第33页 |
| ·FCP决策树在控制图模式识别中的应用 | 第33-38页 |
| ·控制图模式定义 | 第33-34页 |
| ·基于FCP决策树的控制图模式识别建模 | 第34-36页 |
| ·模式识别模型的训练与验证 | 第36-38页 |
| ·基于控制图模式的聚类方法 | 第38-43页 |
| ·聚类分析介绍 | 第38-40页 |
| ·工序加工质量影响因素 | 第40-41页 |
| ·控制图的聚类分析 | 第41-43页 |
| ·基于聚类分析与FCP决策树的质量预测研究 | 第43-47页 |
| ·工序质量异常预测任务分类 | 第43-44页 |
| ·质量异常预测过程 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于数据挖掘算法与CBR的质量诊断研究 | 第49-71页 |
| ·引言 | 第49页 |
| ·基于案例的推理 | 第49-52页 |
| ·案例知识的特征与存储 | 第50-51页 |
| ·CBR的求解过程 | 第51-52页 |
| ·自学习诊断知识库的建立 | 第52-59页 |
| ·基于案例推理的知识库架构 | 第52-53页 |
| ·案例知识的表示与获取 | 第53-55页 |
| ·诊断知识库自学习算法研究 | 第55-59页 |
| ·质量异常智能诊断的实现 | 第59-64页 |
| ·质量影响因素层次结构 | 第59-61页 |
| ·智能质量诊断原理 | 第61-63页 |
| ·人工辅助诊断 | 第63-64页 |
| ·质量异常智能诊断实例验证 | 第64-70页 |
| ·诊断向量的提取 | 第64-66页 |
| ·知识案例的检索与比对 | 第66-69页 |
| ·诊断结果与反馈信息 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 系统开发 | 第71-81页 |
| ·系统总体设计 | 第71-72页 |
| ·系统模块设计 | 第71页 |
| ·开发环境的选择 | 第71-72页 |
| ·数据结构设计 | 第72-74页 |
| ·程序实现 | 第74-80页 |
| ·系统主界面 | 第74页 |
| ·系统设置 | 第74-75页 |
| ·监控点定义界面 | 第75-76页 |
| ·控制图模式识别界面 | 第76-77页 |
| ·质量预测界面 | 第77-78页 |
| ·质量诊断界面 | 第78-79页 |
| ·知识库维护界面 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 结论与展望 | 第81-83页 |
| 结论 | 第81-82页 |
| 展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 攻读硕士学位期间所发表的学术论文 | 第91-92页 |
| 学位论文评阅及答辩情况表 | 第92页 |