声明
致谢
摘要
1.1 课题背景与研究意义
1.2 软测量的研究内容和现状
1.3 本文涉及的方法概述
1.3.1 集成学习的基本思想
1.3.2 离群值剔除的基本思想
1.3.3 模型评价的基本思想
1.4 本文创新点
1.5 本文组织结构
1.6 本章小结
2.1 集成学习
2.1.1 生成多个学习器的方法
2.1.2 学习器集成的策略
2.2 模型集群分析
2.2.1 离群值侦测
2.2.2 变量选择
2.2.3 模型评价
2.3 贝叶斯算法
2.3.1 基本方法
2.3.2 在集成多个分类器中的应用
2.3.3 在集成多个回归预测器中的应用
2.4 本章小结
第3章 基于模型集群分析的贝叶斯集成系统设计
3.1 基于模型集群分析的贝叶斯集成系统介绍
3.1.1 数据预处理
3.1.2 对所有训练集建立子模型
3.1.3 计算贝叶斯后验概率
3.1.4 集成所有预测器的预测结果
3.2 多样性设计
3.2.1 训练集多样性
3.2.2 子模型算法多样性
3.3 本章小结
第4章 案例仿真
4.1 工业案例介绍
4.2 算法仿真
4.2.1 离群值剔除前后比较
4.3 本章小结
第5章 基于MATLAB-GUI的仿真平台设计
5.1 设计框架
5.1.1 系统框架
5.1.2 平台与框架的联系
5.2 MATLAB GUI设计
5.3 界面设计
5.3.1 登陆管理系统
5.3.2 系统配置界面
5.3.3 离线建模界面
5.3.4 在线监测界面
5.3.5 结果评估界面
5.4 本章小结
6.1 本文小结
6.2 展望
参考文献
个人简历