| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-23页 |
| §1.1 引言 | 第11-12页 |
| §1.2 质量分析与改进方法研究现状 | 第12-15页 |
| §1.2.1 质量因素与质量数据 | 第12页 |
| §1.2.2 不同质量管理阶段的质量分析与改进方法 | 第12-14页 |
| §1.2.3 混合分类算法解决高维、海量、复杂数据分类问题 | 第14-15页 |
| §1.3 混合分类算法在质量分析与改进中关键技术 | 第15-18页 |
| §1.3.1 降维算法 | 第15-16页 |
| §1.3.2 支持向量机及其核函数 | 第16-17页 |
| §1.3.3 降维与支持向量机混合分类算法 | 第17-18页 |
| §1.3.4 决策分析算法 | 第18页 |
| §1.4 存在问题与解决方案 | 第18-20页 |
| §1.4.1 混合分类算法存在问题 | 第19页 |
| §1.4.2 混合分类算法解决方案 | 第19-20页 |
| §1.5 本文主要工作及内容安排 | 第20-22页 |
| §1.5.1 研究思路 | 第20页 |
| §1.5.2 章节安排 | 第20-21页 |
| §1.5.3 课题来源 | 第21-22页 |
| §1.6 本章小结 | 第22-23页 |
| 第二章 基于 ISOMAP 核空间的混合流形学习与支持向量机算法 | 第23-62页 |
| §2.1 IKML-SVM 算法设计 | 第24-25页 |
| §2.2 核方法与核函数 | 第25-27页 |
| §2.2.1 核函数 | 第25-26页 |
| §2.2.2 核视角的 ISOMAP 降维法 | 第26-27页 |
| §2.3 SVM 原空间与核空间关系 | 第27-30页 |
| §2.3.1 支持向量机的分类错误率 | 第27-28页 |
| §2.3.2 支持向量机的核空间 | 第28-30页 |
| §2.4 ISOMAP 核函数 | 第30-33页 |
| §2.4.1 ISOMAP 核函数 | 第30-32页 |
| §2.4.2 ISOMAP 核函数的半正定性验证 | 第32-33页 |
| §2.5 UCI 数据集上的仿真实验 | 第33-61页 |
| §2.5.1 仿真环境及参数设置 | 第33-34页 |
| §2.5.2 数值型仿真数据集概况 | 第34-37页 |
| §2.5.3 数值型数据集仿真结果分析 | 第37-43页 |
| §2.5.4 混合型仿真数据集概况 | 第43-44页 |
| §2.5.5 混合型数据集仿真结果分析 | 第44-52页 |
| §2.5.6 UCI 数据集上的 IKML-SVM 算法分类精度与效率实验 | 第52-61页 |
| §2.6 本章小结 | 第61-62页 |
| 第三章 基于相异度核空间的支持向量机分类算法 | 第62-75页 |
| §3.1 相异度与距离 | 第62-63页 |
| §3.1.1 经典坐标变换法 | 第62-63页 |
| §3.1.2 加常数法 | 第63页 |
| §3.2 基于相异度核空间的支持向量机算法设计与分析 | 第63-66页 |
| §3.2.1 算法流程设计 | 第63-65页 |
| §3.2.2 算法流程分析 | 第65-66页 |
| §3.3 UCI 数据集上的仿真实验 | 第66-73页 |
| §3.3.1 仿真数据集概况及相关参数设置 | 第66-67页 |
| §3.3.2 UCI 数据集上的仿真 | 第67-70页 |
| §3.3.3 UCI 数据集算法效率实验 | 第70-73页 |
| §3.4 本章小结 | 第73-75页 |
| 第四章 基于流形学习的决策分析算法 | 第75-93页 |
| §4.1 经典预测与决策算法 | 第75-77页 |
| §4.1.1 C4.5 决策树算法 | 第75-76页 |
| §4.1.2 最近邻居预测算法 | 第76-77页 |
| §4.2 基于等价支持子集的决策分析算法流程设计与分析 | 第77-84页 |
| §4.2.1 基于等价支持子集的决策分析算法 | 第77-79页 |
| §4.2.2 基于等价支持子集的预测及规则提取算法 | 第79-82页 |
| §4.2.3 算法验证 | 第82-84页 |
| §4.3 基于流形学习的决策分析算法流程设计与分析 | 第84-92页 |
| §4.3.1 耦合属性的决策分析 | 第84-85页 |
| §4.3.2 基于流形学习的决策分析算法流程 | 第85-86页 |
| §4.3.3 数值型数据仿真实验 | 第86-89页 |
| §4.3.4 混合型数据仿真实验 | 第89-92页 |
| §4.4 本章小结 | 第92-93页 |
| 第五章 航空企业质量分析与改进案例研究 | 第93-108页 |
| §5.1 企业质量改进案例 | 第93-107页 |
| §5.1.1 仿真案例数据基本情况 | 第93-94页 |
| §5.1.2 企业案例中 IKML-SVM 与 DAML 结合算法流程 | 第94-96页 |
| §5.1.3 质量数据预处理 | 第96-97页 |
| §5.1.4 质量数据分析 | 第97-103页 |
| §5.1.5 决策规则提取 | 第103-107页 |
| §5.2 本章小结 | 第107-108页 |
| 第六章 总结与展望 | 第108-110页 |
| §6.1 工作总结 | 第108-109页 |
| §6.2 研究展望 | 第109-110页 |
| 参考文献 | 第110-121页 |
| 英文缩写索引 | 第121-122页 |
| 攻读博士学位期间论文发表、科研情况 | 第122-124页 |
| 致谢 | 第124-125页 |
