摘要 | 第6-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 生产过程质量监控 | 第12-13页 |
1.2.2 SPC控制图模式识别 | 第13-16页 |
1.3 本文的主要研究内容 | 第16-17页 |
第2章 生产过程质量监控理论及智能算法 | 第17-31页 |
2.1 过程质量监控 | 第17-21页 |
2.1.1 统计过程质量监控 | 第17-19页 |
2.1.2 建模过程质量监控 | 第19-20页 |
2.1.3 智能过程质量监控 | 第20-21页 |
2.2 支持向量机 | 第21-27页 |
2.2.1 统计学习理论 | 第22页 |
2.2.2 支持向量机分类 | 第22-26页 |
2.2.3 常用核函数 | 第26-27页 |
2.3 粒子群算法 | 第27-30页 |
2.3.1 粒子群算法描述 | 第27-29页 |
2.3.2 粒子群算法参数选择 | 第29-30页 |
2.4 本章小结 | 第30-31页 |
第3章 SPC控制图模式识别研究 | 第31-51页 |
3.1 SPC控制图模式 | 第31-33页 |
3.2 样本数据仿真 | 第33-35页 |
3.3 数据预处理 | 第35页 |
3.4 特征提取 | 第35-39页 |
3.4.1 统计特征提取 | 第36-37页 |
3.4.2 形状特征提取 | 第37-39页 |
3.5 多分类支持向量机 | 第39-44页 |
3.5.1 多类分类器的构造方法 | 第40-43页 |
3.5.2 多种分类器的构造方法对比 | 第43-44页 |
3.6 控制图模式识别仿真实验 | 第44-49页 |
3.6.1 实验环境及参数 | 第44页 |
3.6.2 不同分类器对比实验 | 第44-46页 |
3.6.3 不同分类方式对比实验 | 第46-47页 |
3.6.4 基于原始数据和特征提取对比实验 | 第47-49页 |
3.7 本章小结 | 第49-51页 |
第4章 基于改进特征及优化方法的控制图模式识别研究 | 第51-65页 |
4.1 特征融合及维数约简 | 第51-59页 |
4.1.1 特征融合 | 第51-52页 |
4.1.2 特征维数约简 | 第52-55页 |
4.1.3 特征融合及维数约简实验 | 第55-57页 |
4.1.4 基于融合及约简特征的控制图模式识别实验 | 第57-59页 |
4.2 改进粒子群算法 | 第59-64页 |
4.2.1 全局搜索能力 | 第59-60页 |
4.2.2 局部搜索能力 | 第60-61页 |
4.2.3 算法整体描述 | 第61-63页 |
4.2.4 基于改进粒子群算法的控制图模式识别实验 | 第63-64页 |
4.3 本章小结 | 第64-65页 |
结论 | 第65-67页 |
参考文献 | 第67-72页 |
攻读硕士学位期间发表的论文和获得的科研成果 | 第72-73页 |
致谢 | 第73-74页 |