基于半监督及知识迁移的过程监测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 过程监测方法综述 | 第11-12页 |
| 1.3 基于数据驱动的过程监测发展与现状 | 第12-17页 |
| 1.3.1 基于统计分析的过程监测 | 第12-14页 |
| 1.3.2 基于机器学习的过程监测 | 第14-17页 |
| 1.4 本文主要工作及安排 | 第17-18页 |
| 第2章 相关基础知识 | 第18-28页 |
| 2.1 半监督学习方法 | 第18-23页 |
| 2.1.1 半监督学习的基本假设 | 第18-19页 |
| 2.1.2 半监督学习的基本方法 | 第19-23页 |
| 2.2 迁移学习方法 | 第23-26页 |
| 2.2.1 迁移学习定义 | 第24页 |
| 2.2.2 迁移学习分类 | 第24-25页 |
| 2.2.3 迁移学习的基本方法 | 第25-26页 |
| 2.3 过程相似性定义 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于半监督学习的过程监测方法 | 第28-48页 |
| 3.1 基于图正则化的半监督学习模型 | 第28-33页 |
| 3.1.1 问题描述及目标函数 | 第28-30页 |
| 3.1.2 最优化框架求解 | 第30-33页 |
| 3.2 基于半监督学习的过程监测流程 | 第33-34页 |
| 3.3 仿真实验分析 | 第34-47页 |
| 3.3.1 TE过程数据监测仿真及分析 | 第34-42页 |
| 3.3.2 磨矿分级过程数据监测仿真 | 第42-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于知识迁移的过程监测方法 | 第48-66页 |
| 4.1 知识迁移模型 | 第48-54页 |
| 4.1.1 问题描述 | 第48-50页 |
| 4.1.2 联合最优化化框架 | 第50-53页 |
| 4.1.3 模型求解 | 第53-54页 |
| 4.2 基于知识迁移的故障监测流程 | 第54-56页 |
| 4.3 仿真实验与分析 | 第56-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
