| 第一章 绪论 | 第1-20页 |
| ·橡胶配方设计的意义 | 第10-11页 |
| ·橡胶配方设计的发展 | 第11页 |
| ·橡胶配方设计的特点 | 第11-13页 |
| ·橡胶配方优化设计方法 | 第13-18页 |
| ·单因素优化设计 | 第13页 |
| ·多因素优化设计 | 第13-16页 |
| ·数据优化方法 | 第16-18页 |
| ·课题研究的目的及主要内容 | 第18-20页 |
| ·课题研究的目的 | 第18-19页 |
| ·课题的内容 | 第19-20页 |
| 第二章 主成分分析与神经网络 | 第20-32页 |
| ·引言 | 第20页 |
| ·主成分分析[PCA] | 第20-26页 |
| ·主成分分析法的概念和基本思想 | 第20-22页 |
| ·主成分分析法的数学模型 | 第22-23页 |
| ·主成分的几何意义 | 第23-24页 |
| ·主成分的贡献率 | 第24-25页 |
| ·PCA算法步骤总结 | 第25-26页 |
| ·PCA分类映射图的逆映射方法 | 第26-27页 |
| ·PCA分类映射图 | 第26页 |
| ·PCA逆映射方法 | 第26-27页 |
| ·人工神经网络[ANN] | 第27-32页 |
| ·人工神经网络的发展 | 第27-29页 |
| ·BP神经网络 | 第29-32页 |
| 第三章 实例建模 | 第32-56页 |
| ·引言 | 第32-33页 |
| ·实验部分 | 第33页 |
| ·多元回归模型 | 第33-37页 |
| ·多元线性回归分析 | 第33-35页 |
| ·多项式回归分析 | 第35-36页 |
| ·小结 | 第36-37页 |
| ·PCA回归模型 | 第37-45页 |
| ·PCA回归分析 | 第37-43页 |
| ·主成分的分类映射图 | 第43-44页 |
| ·小结 | 第44-45页 |
| ·人工神经网络模型 | 第45-49页 |
| ·隐层数的选择 | 第45页 |
| ·隐层节点的选择 | 第45-46页 |
| ·网络训练 | 第46-48页 |
| ·网络可性度的验证 | 第48-49页 |
| ·小结 | 第49页 |
| ·PCA—ANN模型 | 第49-56页 |
| ·引言 | 第49-50页 |
| ·PCA—ANN的思想 | 第50页 |
| ·PCA—ANN分析 | 第50-55页 |
| ·小结 | 第55-56页 |
| 第四章 PCA—ANN橡胶配方优化程序设计 | 第56-64页 |
| ·程序开发环境 | 第56页 |
| ·MATLAB简介 | 第56-57页 |
| ·PCA—ANN橡胶配方优化程序的开发 | 第57-62页 |
| ·程序的基本架构 | 第57-58页 |
| ·数据处理模块设计及程序实现 | 第58-62页 |
| ·PCA—ANN优化的步骤 | 第62-64页 |
| 第五章 PCA—ANN在SBR粘合性能研究中的运用 | 第64-71页 |
| ·前言 | 第64页 |
| ·实验安排与数据测试结果 | 第64页 |
| ·试验结果分析 | 第64-69页 |
| ·PCA-ANN程序数据处理过程 | 第64-66页 |
| ·各种配合剂用量对配方性能的影响 | 第66-69页 |
| ·利用PCA-ANN进行性能预报 | 第69页 |
| ·小结 | 第69-71页 |
| 第六章 结论与展望 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-89页 |
| 致谢 | 第89-90页 |
| 攻读硕士期间发表的学术论文目录： | 第90页 |