| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究意义和内容安排 | 第10-12页 |
| 1.3.1 研究意义 | 第10页 |
| 1.3.2 研究内容安排 | 第10-12页 |
| 第二章 单变量自相关过程的统计控制方法 | 第12-37页 |
| 2.1 自相关与控制图的基本概念 | 第13-25页 |
| 2.1.1 控制图的基本概念 | 第13-17页 |
| 2.1.2 自相关函数ACF与偏自相关函数PACF | 第17-21页 |
| 2.1.3 常见的一元时间序列模型 | 第21-25页 |
| 2.2 自相关对基于观测值的一元控制图影响研究 | 第25-30页 |
| 2.2.1 自相关对常规控制图检测能力的仿真示例 | 第26-28页 |
| 2.2.2 基于自相关过程观测值的常规控制图平均运行链长 | 第28-30页 |
| 2.3 一元残差控制图 | 第30-34页 |
| 2.3.1 残差控制图仿真示例研究 | 第30-32页 |
| 2.3.2 残差控制图ARL的计算与仿真 | 第32-34页 |
| 2.4 实例分析 | 第34-37页 |
| 第三章 多变量自相关过程的统计控制方法 | 第37-48页 |
| 3.1 预备知识 | 第37-42页 |
| 3.1.1 多元正态分布及多元控制图 | 第37-39页 |
| 3.1.2 多元时间序列模型 | 第39-41页 |
| 3.1.3 自相关对基于观测值的控制图影响分析 | 第41-42页 |
| 3.2 多元自相关残差控制图 | 第42-46页 |
| 3.2.1 受控状态的残差MEWMA控制图 | 第42-44页 |
| 3.2.2 有过程偏移的残差MEWMA控制图 | 第44-46页 |
| 3.3 基于残差的Hotelling T2 与MEWMA的ARL比较 | 第46-48页 |
| 第四章 基于支持向量机的自相关过程控制研究 | 第48-60页 |
| 4.1 支持向量机的基本概念 | 第49-54页 |
| 4.1.1 线性可分支持向量机 | 第49-51页 |
| 4.1.2 不可分问题 | 第51-52页 |
| 4.1.3 非线性支持向量分类机 | 第52-54页 |
| 4.2 结构风险最小化原则 | 第54-57页 |
| 4.3 支持向量机识别自相关过程偏移 | 第57-60页 |
| 4.3.1 单变量自相关过程训练和识别 | 第58-59页 |
| 4.3.2 多变量自相关过程训练和识别 | 第59-60页 |
| 第五章 结束语 | 第60-62页 |
| 5.1 内容总结 | 第60页 |
| 5.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 附录 | 第66-67页 |
| 致谢 | 第67页 |
