| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 软测量技术概述 | 第10-14页 |
| 1.2.1 软测量建模方法 | 第10-12页 |
| 1.2.2 软测量技术的实施 | 第12-14页 |
| 1.3 软测量模型优化 | 第14-16页 |
| 1.3.1 影响软测量性能的因素 | 第14-15页 |
| 1.3.2 数据的滤波方法 | 第15页 |
| 1.3.3 辅助变量的选择方法 | 第15-16页 |
| 1.3.4 智能优化算法 | 第16页 |
| 1.4 本文主要内容及章节安排 | 第16-19页 |
| 第二章 基于神经网络的人体血糖软测量方法 | 第19-32页 |
| 2.1 血糖代谢最小系统 | 第20-22页 |
| 2.2 基于神经网络的血糖软测量实验 | 第22-27页 |
| 2.2.1 血糖软测量模型的构造 | 第22-24页 |
| 2.2.2 血糖软测量模型预测结果 | 第24-27页 |
| 2.3 小波阈值去噪对血糖软测量模型的优化 | 第27-30页 |
| 2.3.1 小波优化软测量模型的构建 | 第27-28页 |
| 2.3.2 优化模型血糖预测结果 | 第28-30页 |
| 2.4 结果比较与分析 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于NN-MIV的神经网络血糖软测量优化方法 | 第32-49页 |
| 3.1 人体血糖系统概述 | 第32-36页 |
| 3.2 NN-MIV软测量模型优化方法 | 第36-39页 |
| 3.2.1 平均影响值方法概述 | 第36-37页 |
| 3.2.2 神经网络变量选择方法概述 | 第37-38页 |
| 3.2.3 NN-MIV变量选择方法概述 | 第38-39页 |
| 3.3 克拉克网格误差分析 | 第39-40页 |
| 3.4 NN-MIV对血糖软测量模型的优化 | 第40-48页 |
| 3.4.1 血糖软测量模型的构造与优化 | 第41-45页 |
| 3.4.2 血糖软测量模型优化结果分析 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于PSO的神经网络血糖软测量优化方法 | 第49-61页 |
| 4.1 微粒群优化方法 | 第49-53页 |
| 4.1.1 微粒群算法描述 | 第49-50页 |
| 4.1.2 微粒群算法基本原理 | 第50-53页 |
| 4.2 PSO-ANN血糖软测量模型 | 第53-55页 |
| 4.3 PSO优化算法对血糖软测量模型的内部优化 | 第55-59页 |
| 4.3.1 血糖软测量模型的构造与优化 | 第55页 |
| 4.3.2 血糖软测量模型优化结果分析 | 第55-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 硕士期间取得的科研成果 | 第71页 |