| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 数据驱动软测量建模方法研究 | 第10-14页 |
| 1.2.1 基于偏最小二乘建模方法研究 | 第11页 |
| 1.2.2 基于人工神经网络建模方法研究 | 第11-12页 |
| 1.2.3 基于支持向量机建模方法研究 | 第12-13页 |
| 1.2.4 基于高斯过程回归建模方法研究 | 第13-14页 |
| 1.3 混合模型建模方法研究 | 第14-15页 |
| 1.4 研究内容 | 第15-17页 |
| 第二章 基于主成分分析和高斯过程回归的混合模型软测量建模方法 | 第17-34页 |
| 2.1 引言 | 第17页 |
| 2.2 主成分分析 | 第17-18页 |
| 2.3 高斯过程回归 | 第18-19页 |
| 2.4 基于主成分分析和高斯过程回归的混合软测量模型 | 第19-21页 |
| 2.5 基于PCs-GPR的红霉素发酵过程软测量建模 | 第21-27页 |
| 2.5.1 红霉素发酵过程 | 第21-22页 |
| 2.5.2 数据采集 | 第22-23页 |
| 2.5.3 主成分的选择 | 第23-24页 |
| 2.5.4 PCs-GPR模型预测结果 | 第24-27页 |
| 2.6 基于PCs-GPR的青霉素发酵过程软测量建模 | 第27-32页 |
| 2.6.1 青霉素发酵过程 | 第27-28页 |
| 2.6.2 数据采集 | 第28-29页 |
| 2.6.3 主成分的选择 | 第29-30页 |
| 2.6.4 PCs-GPR模型预测结果 | 第30-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第三章 基于高斯混合回归模型软测量建模方法 | 第34-43页 |
| 3.1 引言 | 第34-35页 |
| 3.2 高斯混合模型 | 第35页 |
| 3.3 EM算法 | 第35-37页 |
| 3.4 基于高斯混合回归软测量模型 | 第37-42页 |
| 3.4.1 基于GMR的红霉素发酵过程软测量建模 | 第38-40页 |
| 3.4.2 基于GMR的青霉素发酵过程软测量建模 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于仿射传播聚类的高斯混合模型软测量建模方法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 仿射传播算法 | 第43-45页 |
| 4.3 自适应仿射传播算法 | 第45-48页 |
| 4.4 基于AP-GMR/adAP-GMR软测量模型 | 第48-54页 |
| 4.4.1 基于AP-GMR/adAP-GMR的红霉素发酵过程软测量建模 | 第49-51页 |
| 4.4.2 基于AP-GMR/adAP-GMR的青霉素发酵过程软测量建模 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 研究与展望 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间取得的成果 | 第65页 |
