首页--工业技术论文--一般工业技术论文--工程基础科学论文--工程数学论文--概率论、数理统计的应用论文--工程控制论论文

统计过程控制中的潜变量模型研究

摘要第3-4页
Abstract第4-5页
第一章 绪论第8-20页
    1.1 研究背景与课题意义第8页
    1.2 本课题简介及所涉基本方法第8-11页
        1.2.1 主元分析第9-11页
        1.2.2 偏最小二乘回归第11页
    1.3 本课题研究动态第11-13页
    1.4 本文研究内容国内外现状第13-18页
        1.4.1 关于过程建模技术的研究第13-14页
        1.4.2 关于过程非线性的研究第14-17页
        1.4.3 关于过程动态的研究第17-18页
    1.5 本文主要研究内容第18-20页
第二章 二维交叉验证法确定最优主元个数第20-36页
    2.1 引言第20页
    2.2 KPCA基本算法简介第20-22页
    2.3 估计PCA的最优主元个数第22-25页
        2.3.1 分割变量集合x (第一维度)第22页
        2.3.2 分割样本集合X (第二维度)第22-23页
        2.3.3 二维交叉验证方法第23-24页
        2.3.4 仿真实例第24-25页
    2.4 估计KPCA的最优主元个数第25-29页
        2.4.1 KPCA中确定最优主元个数的目标函数第25-27页
        2.4.2 最优估计KPCA主元个数算法第27-28页
        2.4.3 仿真实例第28-29页
    2.5 工业应用第29-33页
        2.5.1 玻璃融化过程第30-31页
        2.5.2 去丁烷塔蒸馏过程第31-32页
        2.5.3 旋转磁盘反应器第32-33页
    2.6 本章小结第33页
    2.7 附录第33-36页
第三章 基于最优KPCA模型挖掘非线性数据结构第36-46页
    3.1 挖掘非线性数据结构算法第36-38页
    3.2 仿真实例第38-41页
    3.3 工业应用第41-45页
        3.3.1 玻璃融化过程第41-43页
        3.3.2 去丁烷塔蒸馏过程第43-45页
    3.4 本章小结第45-46页
第四章 KPCA和KPLS模型最优参数估计第46-62页
    4.1 引言第46-47页
        4.1.1 估计KPCA算法中的n和σ 的现有方法第46-47页
        4.1.2 估计KPLS算法中的n和σ 的现有方法第47页
        4.1.3 其他通用方法估计核参数第47页
    4.2 KPLS算法简介第47-49页
    4.3 确定n和σ 的交叉验证算法第49-51页
        4.3.1 KPCA模型中的目标函数和算法第49-50页
        4.3.2 KPLS模型中的目标函数和算法第50-51页
    4.4 仿真实例第51-56页
        4.4.1 KPCA模型精度比较第52-53页
        4.4.2 KPLS模型精度比较第53-56页
    4.5 工业应用第56-61页
        4.5.1 玻璃融化过程第56-58页
        4.5.2 去丁烷塔蒸馏过程第58-61页
    4.6 本章小结第61-62页
第五章 主要结论与展望第62-64页
    主要结论第62-63页
    展望第63-64页
致谢第64-66页
参考文献第66-74页
附录: 作者在攻读硕士学位期间发表的论文第74页

论文共74页,点击 下载论文
上一篇:九江市山塘水资源利用现状及承载能力分析
下一篇:基于云的大数据处理系统性能优化问题研究