声明
第一章 引言
1.1 研究背景
1.2 研究现状
1.3 研究内容及章节安排
第二章 数据分类及集成模型
2.1 特征变量选择――VSCC
2.2 交叉验证
2.2.1 K折交叉验证
2.2.2 留K交叉验证
2.3 单一分类模型
2.3.1 支持向量机
2.3.2 人工神经网络
2.4 集成模型
2.4.1 随机森林
2.4.2 Bagging
2.4.3 Boosting
2.5 模型评价指标
第三章 模型建立与分析
3.1 数据集描述
3.2 二状态（仪表A）液体超声波流量计的分类
3.2.1 数据集划分
3.2.2 数据建模
3.2.3 模型评价
3.3 三状态（仪表B）液体超声波流量计的分类
3.3.1 数据集划分
3.3.2 数据分析
3.3.3 模型评价
3.4 四状态（仪表C）液体超声波流量计的分类
3.4.1 数据集划分
3.4.2 数据分析
3.4.3 模型评价
3.5 四状态（仪表D）液体超声波流量计的分类
3.5.1 数据集划分
3.5.2 数据分析
3.5.3 模型评价
第四章 总结与展望
4.1 总结
4.2 展望
参考文献
致谢
