| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| Contents | 第9-12页 |
| 第一章 绪论 | 第12-17页 |
| ·背景 | 第12-15页 |
| ·企业信息化意义 | 第12-13页 |
| ·CIMS 与质量管理的发展 | 第13-14页 |
| ·支持向量机 | 第14-15页 |
| ·课题研究意义和主要工作 | 第15-16页 |
| ·课题研究的意义 | 第15页 |
| ·本文的主要工作 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 ERP/MES/PCS 三层架构为基础的集成制造系统 | 第17-29页 |
| ·制造系统基本概念 | 第17-19页 |
| ·工业自动化系统技术的发展 | 第19-20页 |
| ·流程工业的CIMS 体系结构 | 第20-21页 |
| ·钢铁企业ERP/MES/PCS 三层结构 | 第21-23页 |
| ·现代集成制造系统的三层结构 | 第21-22页 |
| ·钢铁企业三层结构的集成制造系统 | 第22-23页 |
| ·三明钢铁集团MES 的实施 | 第23-28页 |
| ·钢铁企业生产流程 | 第23-24页 |
| ·三明钢铁集团工艺特点 | 第24-26页 |
| ·开发三明钢铁集团MES 必要性 | 第26-27页 |
| ·三明钢铁集团MES 的功能组成 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 三明钢铁集团质量管理系统的设计 | 第29-42页 |
| ·全面质量管理 | 第29-30页 |
| ·全面质量管理的特点 | 第29-30页 |
| ·全面质量管理的内容 | 第30页 |
| ·基于ERP/MES/PCS 架构的质量管理功能分布 | 第30-31页 |
| ·系统的功能结构 | 第31-32页 |
| ·系统的功能组成 | 第32-33页 |
| ·系统的技术架构 | 第33-35页 |
| ·系统的数据库框架与结构设计 | 第35-36页 |
| ·动态数据库的框架 | 第35页 |
| ·离线数据库的框架 | 第35-36页 |
| ·智能质量判定子系统的设计 | 第36-39页 |
| ·质量判定流程 | 第36-37页 |
| ·多层推理机 | 第37-38页 |
| ·三钢质量判定子系统的体系结构 | 第38-39页 |
| ·自定义质量检验子系统的设计 | 第39-41页 |
| ·报表系统的设计 | 第41页 |
| ·钢铁企业报表复杂灵活性 | 第41页 |
| ·三明钢铁集团报表系统的实现 | 第41页 |
| ·小结 | 第41-42页 |
| 第四章 基于支持向量机的预测质量控制子系统的设计和实现 | 第42-71页 |
| ·学习机 | 第42-43页 |
| ·经典统计估计方法 | 第42-43页 |
| ·经验非线性方法 | 第43页 |
| ·支持向量机方法 | 第43页 |
| ·统计学习理论SLT(Statistical Learning Theory) | 第43-47页 |
| ·VC 维 | 第44页 |
| ·经验风险最小化准则 | 第44-45页 |
| ·结构风险最小化准则 | 第45-47页 |
| ·支持向量机推导一些基础知识 | 第47-48页 |
| ·最优化理论 | 第48-49页 |
| ·凸二次规划 | 第48-49页 |
| ·二次规划的对偶 | 第49页 |
| ·支持向量分类机 | 第49-51页 |
| ·支持向量回归机 | 第51-56页 |
| ·不敏感损失函数 | 第52-54页 |
| ·ε? 支持向量回归机 | 第54-56页 |
| ·预测方法 | 第56-57页 |
| ·成功预测的六要素 | 第56-57页 |
| ·预测方法分类 | 第57页 |
| ·预测步骤 | 第57页 |
| ·预测学习方法 | 第57-58页 |
| ·传统的统计预测方法 | 第58页 |
| ·经验非线性方法 | 第58页 |
| ·统计学习理论 | 第58页 |
| ·支持向量回归机的应用 | 第58-59页 |
| ·预测质量控制子系统的设计 | 第59-61页 |
| ·数据流图 | 第59-60页 |
| ·系统流程图 | 第60-61页 |
| ·系统功能模块 | 第61页 |
| ·预测质量控制子系统的程序实现 | 第61-70页 |
| ·LIBSVM 的简介 | 第61-62页 |
| ·ε- 支持向量回归机程序实现步骤 | 第62-63页 |
| ·数据处理与LIBSVM 格式化 | 第63-65页 |
| ·核函数的选取 | 第65-66页 |
| ·最优参数C,γ和ε实现 | 第66页 |
| ·模型生成和预测 | 第66-68页 |
| ·改变参数ε,γ和C 对预测能力影响 | 第68-70页 |
| ·与Excel 回归方程预测比较 | 第70页 |
| ·小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| ·全文总结 | 第71-72页 |
| ·进一步的工作 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 附录系统实现界面 | 第75-78页 |
| 致谢 | 第78页 |
