| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究的背景和意义 | 第8-11页 |
| ·研究背景 | 第8-10页 |
| ·研究意义 | 第10-11页 |
| ·研究现状综述 | 第11-12页 |
| ·研究内容 | 第12-14页 |
| ·研究的创新点 | 第14-16页 |
| 第二章 复杂产品关键质量特性 | 第16-26页 |
| ·复杂产品和质量 | 第16-18页 |
| ·复杂产品 | 第16-17页 |
| ·产品质量 | 第17-18页 |
| ·复杂产品关键质量特性 | 第18-23页 |
| ·产品质量特性 | 第18-21页 |
| ·产品关键质量特性 | 第21-23页 |
| ·传统 CTQ 识别方法及局限性 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 数据挖掘的基本方法 | 第26-46页 |
| ·数据挖掘 | 第26-34页 |
| ·数据挖掘的定义 | 第26-29页 |
| ·数据挖掘的任务 | 第29-34页 |
| ·数据聚类 | 第34-37页 |
| ·聚类的定义 | 第34-35页 |
| ·聚类差异度量 | 第35-37页 |
| ·特征选择 | 第37-42页 |
| ·Filter 方法 | 第38-39页 |
| ·Wrapper 方法 | 第39-41页 |
| ·Embedded 方法 | 第41-42页 |
| ·本研究 CTQ 识别的基本原理 | 第42-43页 |
| ·本章小结 | 第43-46页 |
| 第四章 复杂产品平衡数据关键质量特性识别 | 第46-56页 |
| ·信息增益 | 第48页 |
| ·朴素贝叶斯分类器 | 第48-50页 |
| ·构建基于信息增益的 CTQ 识别方法 | 第50-52页 |
| ·算例应用分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 复杂产品不平衡数据关键质量特性识别 | 第56-96页 |
| ·不平衡数据及对 CTQ 识别的影响 | 第56-60页 |
| ·不平衡数据 | 第56-57页 |
| ·不平衡对 CTQ 识别的影响 | 第57-60页 |
| ·基于 ReliefF 改进的 CTQ 识别 | 第60-71页 |
| ·ReliefF 算法 | 第60-63页 |
| ·代价敏感学习 | 第63-66页 |
| ·构建基于 ReliefF 改进的 CTQ 识别方法 | 第66-69页 |
| ·算例应用分析 | 第69-71页 |
| ·基于 Wrapper 改进的 CTQ 识别 | 第71-78页 |
| ·Wrapper 型特征选择算法 | 第71-72页 |
| ·SFFS 算法 | 第72-73页 |
| ·构建基于 Wrapper 改进的 CTQ 识别 | 第73-76页 |
| ·算法应用分析 | 第76-78页 |
| ·基于 Expectation Maximization 改进的 CTQ 识别 | 第78-93页 |
| ·极大似然估计 | 第79页 |
| ·Expectation Maximization 算法、 | 第79-80页 |
| ·构建基于 EM 改进的 CTQ 识别 | 第80-87页 |
| ·算法应用分析 | 第87-93页 |
| ·本章小结 | 第93-96页 |
| 第六章 总结与展望 | 第96-100页 |
| ·论文总结 | 第96-97页 |
| ·未来展望 | 第97-100页 |
| 参考文献 | 第100-110页 |
| 发表论文和科研情况说明 | 第110-112页 |
| 致谢 | 第112-113页 |
