| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究目的及意义 | 第8-9页 |
| 1.3 现有方法存在的问题 | 第9-11页 |
| 1.4 本文的研究工作及成果 | 第11-13页 |
| 第二章 产品的关键质量特征识别 | 第13-18页 |
| 2.1 关键质量特征的基本概念 | 第13-16页 |
| 2.1.1 质量的概念 | 第13-14页 |
| 2.1.2 质量特征的概念 | 第14-16页 |
| 2.2 产品关键质量特征识别的科学问题 | 第16-18页 |
| 第三章 特征选择的基本理论与方法 | 第18-28页 |
| 3.0 数据挖掘与特征选择 | 第18页 |
| 3.1 特征选择概述 | 第18-19页 |
| 3.2 特征选择的基本方法 | 第19-28页 |
| 3.2.1 Filter 方法 | 第19-21页 |
| 3.2.2 Wrapper 方法 | 第21-24页 |
| 3.2.3 混合特征选择方法 | 第24-26页 |
| 3.2.4 三种方法的优缺点比较 | 第26-28页 |
| 第四章 基于偏最小二乘回归的关键质量特征识别 | 第28-33页 |
| 4.1 偏最小二乘模型与参数概述 | 第28-29页 |
| 4.2 基于偏最小二乘模型的特征重要性（VIP）投影 | 第29-30页 |
| 4.3 基于 VIP 的关键质量特征识别方法 | 第30-31页 |
| 4.4 试验结果与讨论 | 第31-33页 |
| 第五章 不平衡数据特征选择 | 第33-36页 |
| 5.1 不平衡数据概述 | 第33页 |
| 5.2 不平衡数据特征选择现有方法 | 第33-34页 |
| 5.2.1 Filter 方法 | 第33-34页 |
| 5.2.2 Wrapper 方法与混合方法 | 第34页 |
| 5.3 不平衡数据特征选择存在问题 | 第34-36页 |
| 5.3.1 不平衡数据特征选择评价标准 | 第34-35页 |
| 5.3.2 Wrapper 或混合方法处理不平衡特征选择问题 | 第35-36页 |
| 第六章 基于混合特征选择的高维制造过程关键质量特征识别方法 | 第36-46页 |
| 6.1 特征重要度指数 | 第36-37页 |
| 6.2 不平衡数据的 wrapper 特征选择方法 | 第37-39页 |
| 6.2.1 AUC 指数 | 第38页 |
| 6.2.2 平衡错误比率（BER） | 第38页 |
| 6.2.3 不同类别分类精度的几何平均数（G-Mean） | 第38-39页 |
| 6.3 实施步骤 | 第39-40页 |
| 6.3.1 计算变量的重要度指数 | 第39页 |
| 6.3.2 依照重要度指数重新构建状态空间 | 第39-40页 |
| 6.3.3 Wrapper 特征选择以寻找最优化 G-Mean 的特征子集 | 第40页 |
| 6.4 试验结果与讨论 | 第40-43页 |
| 6.4.1 数据集介绍 | 第40-41页 |
| 6.4.2 试验设置 | 第41-42页 |
| 6.4.3 结果总结与讨论 | 第42-43页 |
| 6.5 G-Mean 指数在现实制造行业的统计解释 | 第43-45页 |
| 6.6 本章小结 | 第45-46页 |
| 第七章 总结与展望 | 第46-48页 |
| 7.1 全文总结 | 第46页 |
| 7.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 发表论文和参加科研情况说明 | 第52-54页 |
| 致谢 | 第54页 |
