声明
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1工业过程中软测量建模的研究现状
1.2.2 聚酯纤维聚合过程建模的研究现状
1.2.3 集成学习在工业过程建模的研究现状
1.2.4 即时学习在工业过程建模的研究现状
1.3 主要研究内容和创新点
1.4 本文的章节安排
第二章 相关理论基础概述
2.1 引言
2.2 工业过程中软测量建模的基本方法
2.2.1 建模步骤
2.2.2 建模方法概述
2.3 集成学习模型
2.3.1 常用的集成学习模型
2.3.2 选择性集成学习
2.4 基于即时学习的工业过程建模方法
2.4.1 全局学习模型与即时学习模型
2.4.2 常见的相似性度量指标
2.5 用于解决回归问题的机器学习算法
2.5.1 线性模型
2.5.2 支持向量机回归
2.5.3 最邻近算法
2.5.4 决策树与基于决策树的集成模型
2.6 小结
第三章 特征工程以及集成特征选择模型的构建
3.1 引言
3.2 聚酯纤维生产中的聚合过程工艺分析
3.3 数据来源及特征描述
3.4特征工程
3.4.1 数据探索
3.4.2 数据预处理
3.4.3 特征构建
3.5 集成特征选择模型
3.5.1 特征选择的方法概述
3.5.2 集成特征选择模型的构建
3.5.3 集成特征选择模型的实验结果
3.6 小结
第四章 基于遗传算法的堆叠式集成学习的特性粘度软测量模型
4.1 引言
4.2 堆叠式集成学习
4.2.1 堆叠式集成学习的原理
4.2.2 个体学习器的选择准则
4.3 遗传算法
4.3.1 遗传算法简介
4.3.2遗传算法的基本操作
4.4 基于遗传算法的选择性堆叠式集成学习
4.4.1 算法思想及改进
4.4.2 算法流程
4.5 实验结果
4.5.1 实验数据与评价指标
4.5.2实验设计及结果分析
4.6 小结
第五章 基于GMMMD的自适应即时学习算法的特性粘度软测量模型
5.1 引言
5.2 高斯混合模型
5.2.1 高斯混合模型的基本原理
5.2.2 基于期望最大化算法的GMM参数估计方法
5.2.3 基于贝叶斯信息准则的高斯成分数设定方法
5.3 基于GMMMD的自适应即时学习模型
5.3.1 算法思想及改进
5.3.2 算法流程
5.4 实验结果与分析
5.4.1 实验数据与评价指标
5.4.2 实验设计及结果分析
5.5 小结
第六章 总结与展望
6.1 总结
6.2 工作展望
参考文献
致谢
攻读硕士期间参加的项目及成果
东华大学;
