| 致谢 | 第5-7页 |
| 摘要 | 第7-10页 |
| Abstract | 第10-12页 |
| 1 绪论 | 第20-44页 |
| 1.1 背景和研究意义 | 第20-21页 |
| 1.2 过程监测的研究内容和主要方法 | 第21-25页 |
| 1.2.1 过程监测的基本概念与研究内容 | 第21-23页 |
| 1.2.2 过程监测的主要方法 | 第23-25页 |
| 1.3 多变量统计过程监测国内外研究现状 | 第25-34页 |
| 1.3.1 多变量统计过程监测的发展历程 | 第25-27页 |
| 1.3.2 多变量统计过程监测的样本特性层面问题 | 第27-29页 |
| 1.3.3 多变量统计过程监测的变量特性层面问题 | 第29-34页 |
| 1.4 基于数据降维的过程监测方法 | 第34-37页 |
| 1.4.1 基于数据降维的过程监测方法 | 第34-35页 |
| 1.4.2 流形学习 | 第35-37页 |
| 1.5 本文研究内容与创新点 | 第37-41页 |
| 1.5.1 本文主要研究内容和体系架构 | 第38-39页 |
| 1.5.2 各章主要创新点介绍 | 第39-41页 |
| 1.6 本章小结 | 第41-44页 |
| 2 基于自学习核回归模型的非线性过程建模与质量预报 | 第44-64页 |
| 2.1 引言 | 第44-45页 |
| 2.2 预备知识 | 第45-48页 |
| 2.3 SLKR模型 | 第48-54页 |
| 2.3.1 SLKR核矩阵学习 | 第49-53页 |
| 2.3.2 SLKR核函数拟合 | 第53-54页 |
| 2.4 基于SLKR的非线性过程建模与质量预报 | 第54-56页 |
| 2.5 实例研究 | 第56-62页 |
| 2.5.1 数值例子 | 第57-60页 |
| 2.5.2 半导体过程实验研究 | 第60-62页 |
| 2.6 本章小结 | 第62-64页 |
| 3 基于稀疏邻域保持嵌入回归模型的非线性过程建模与质量预报 | 第64-84页 |
| 3.1 引言 | 第64-65页 |
| 3.2 预备知识 | 第65-67页 |
| 3.2.1 NPE模型 | 第65-66页 |
| 3.2.2 EN惩罚 | 第66-67页 |
| 3.3 NPER模型 | 第67-68页 |
| 3.4 SNPER模型 | 第68-70页 |
| 3.5 LW-SNPER模型 | 第70-71页 |
| 3.6 基于NPER、SNPER和LW-SNPER的质量预报 | 第71-74页 |
| 3.6.1 参数优化 | 第71-72页 |
| 3.6.2 基于NPER和SNPER的非线性过程建模与质量预报 | 第72-73页 |
| 3.6.3 基于LW-SNPER的非线性过程建模与质量预报 | 第73-74页 |
| 3.7 实例研究 | 第74-81页 |
| 3.7.1 数值例子1 | 第74页 |
| 3.7.2 数值例子2 | 第74-77页 |
| 3.7.3 数值例子3 | 第77-79页 |
| 3.7.4 半导体实验研究 | 第79-81页 |
| 3.8 本章小结 | 第81-84页 |
| 4 基于广义半监督自学习核模型的非线性过程故障检测 | 第84-98页 |
| 4.1 引言 | 第84-85页 |
| 4.2 S-SLK模型 | 第85-89页 |
| 4.2.1 目标函数 | 第86-88页 |
| 4.2.2 约束 | 第88页 |
| 4.2.3 优化 | 第88-89页 |
| 4.3 GSS-SLK模型 | 第89-91页 |
| 4.4 基于GSS-SLK模型的非线性故障检测 | 第91-92页 |
| 4.5 实例研究 | 第92-97页 |
| 4.6 本章小结 | 第97-98页 |
| 5 基于分层最大方差展开模型的大规模数据故障检测 | 第98-130页 |
| 5.1 引言 | 第98-99页 |
| 5.2 TLMVU模型 | 第99-104页 |
| 5.3 MLMVU模型 | 第104-112页 |
| 5.3.1 MLMVU模型 | 第104-109页 |
| 5.3.2 MLMVU近似精度 | 第109-112页 |
| 5.4 基于MLMVU的数据故障检测 | 第112-119页 |
| 5.4.1 基于Nystrom的核函数拟合 | 第112-113页 |
| 5.4.2 基于KPCA的投影 | 第113-114页 |
| 5.4.3 基于MLMVU的新数据投影 | 第114-118页 |
| 5.4.4 基于MLMVU的故障检测 | 第118-119页 |
| 5.5 实例研究 | 第119-128页 |
| 5.5.1 数值例子 | 第119-122页 |
| 5.5.2 TE过程实验研究 | 第122-128页 |
| 5.6 本章小结 | 第128-130页 |
| 6 基于监督最大方差展开模型的非线性过程故障分类 | 第130-148页 |
| 6.1 引言 | 第130-131页 |
| 6.2 SMVU1模型 | 第131-133页 |
| 6.3 SMVU2模型 | 第133-136页 |
| 6.3.1 SMVU2模型 | 第133-135页 |
| 6.3.2 SMVU1与SMVU2模型对比 | 第135-136页 |
| 6.4 基于SMVU的故障分类 | 第136-138页 |
| 6.4.1 贝叶斯推理分类器 | 第136-137页 |
| 6.4.2 基于SMVU的故障分类 | 第137-138页 |
| 6.5 实例研究 | 第138-146页 |
| 6.5.1 数值例子 | 第138-143页 |
| 6.5.2 聚乙烯过程实验研究 | 第143-146页 |
| 6.6 本章小结 | 第146-148页 |
| 7 总结与展望 | 第148-152页 |
| 7.1 研究工作总结 | 第148-150页 |
| 7.2 研究工作展望 | 第150-152页 |
| 参考文献 | 第152-162页 |
| 攻读博士学位期间完成的学术论文 | 第162-164页 |
| 攻读博士学位期间参加的科研项目 | 第164页 |
