文摘
英文文摘
声明
第一章 绪论
1.1 课题研究背景及研究意义
1.2 软测量技术应用在化工建模中的现状与发展趋势
1.2.1 软测量技术应用在化工建模中的现状
1.2.2 软测量技术进一步研究与展望
1.3 贝叶斯方法的应用
1.3.1 贝叶斯网络在数据分类和回归建模中的应用
1.3.2 稀疏贝叶斯方法在软测量回归建模中的应用
1.4 本文的内容组织
第二章 数据预处理及多模型思想
2.1 数据预处理
2.1.1 数据预处理在化工过程建模中的必要性
2.1.2 数据预处理所涉及的内容和处理方法
2.2 多模型思想
2.2.1 多模型方法提出的背景
2.2.2 多模型建模的连接方法
2.2.3 多模型研究方法优缺点以及发展方向
2.3 本章小结
第三章 贝叶斯方法在数据分类中的应用
3.1 引言
3.2 贝叶斯方法的几种分类器形式
3.2.1 朴素贝叶斯分类模型
3.2.2 树扩展的朴素贝叶斯分类模型
3.2.3 贝叶斯网络分类器
3.3 基于“3 σ”规则的贝叶斯分类器
3.3.1 类变量的离散
3.3.2 属性变量的离散
3.3.3 基于遗传算法的样本优选
3.4 仿真实验和结果
3.5 本章小结
第四章 一种基于贝叶斯网络的软测量建模方法
4.1 引言
4.2 贝叶斯网络
4.2.1 贝叶斯网络的结构学习
4.2.2 混合高斯模型
4.2.3 贝叶斯网络模型的估计公式
4.3 仿真实验
4.4 结论
第五章 基于贝叶斯分类器的关联向量机软测量建模
5.1 引言
5.2 关联向量机
5.3 基于贝叶斯分类器的关联向量机模型
5.3.1 多模型RVM的构造
5.3.2 多模型RVM算法
5.4 仿真实验
5.4.1 一维函数仿真
5.4.2 多模型RVM在双酚A软测量中的应用
5.5 本章小结
第六章 总结与展望
6.1 本文的工作总结
6.2 今后工作展望
致谢
参考文献
附录: 作者在攻读硕士学位期间发表的论文