面向复杂产品的关键质量特性识别方法分析-管理科学与工程专业毕业论文.docxVIP

3 3 I I reduce the dimensions, quality characteristics are filtered by the relevance and redundancy analysis. Then, the cricical-to-quality characteristics are searched by particle swarm optimization (PSO) in characteristics space. This method has advantages of filter and wrapper. Experimental results show that, the method is effective and practically applicable. KEY WORDS: Complex product; Critical-to-quality Characteristics (CTQs); Least absolute shrinkage and selection operator (Lasso); Gravitational search algorithm (GSA); Attribute clustering 目 录 第一章 绪论1 1.1 研究背景和意义1 1.1.1 研究背景1 1.1.2 研究意义3 1.2 文献综述4 1.2.1 复杂产品研究综述4 1.2.2 关键质量特性识别研究综述6 1.2.3 复杂产品关键质量特性识别的研究7 1.3 主要研究内容8 1.4 研究的创新点10 1.5 本章小结10 第二章 复杂产品关键质量特性识别的基本理论和方法12 2.1 复杂产品概述12 2.1.1 复杂产品的概念12 2.1.2 复杂产品的特征12 2.2 产品关键质量特性的内涵13 2.2.1 产品质量13 2.2.2 质量特性14 2.2.3 关键质量特性15 2.3 产品关键质量特性识别的基本方法16 2.3.1 质量功能展开17 2.3.2 序贯试验设计19 2.3.3 数据挖掘19 2.3.4 特征选择25 2.4 本章小结26 第三章 基于 LASSO 的复杂产品关键质量特性识别 27 3.1 范数选择27 3.1.1 范数27 3.1.2 范数选择27 II II III III 岭回归28 LASSO 方法 28 3.2 基于 LASSO 的关键质量特性识别 30 3.2.1 最小角回归30 3.2.2 支持向量机30 3.2.3 交叉验证33 3.2.4 构建 CTQs 识别方法 34 3.3 算例应用分析36 3.3.1 数据描述36 3.3.2 数据预处理36 3.3.3 试验结果和分析38 3.4 本章小结41 第四章 基于粗糙集与引力搜索算法的复杂产品关键质量特性识别42 4.1 粗糙集理论基本知识42 4.1.1 信息系统和决策表42 4.1.2 不可分辨关系与近似42 4.1.3 知识依赖度44 4.1.4 属性的重要性44 4.1.5 知识约简45 4.2 基于粗糙集与改进引力搜索算法的 CTQs 识别 46 4.2.1 引力搜索算法46 4.2.2 关键质量特性识别搜索方法的构建49 4.3 算例应用分析51 4.3.1 数据描述51 4.3.2 试验结果和分析52 4.4 本章小结55 第五章 基于互信息属性聚类的复杂产品关键质量特性识别56 5.1 聚类分析56 5.1.1 聚类分析的原理56 5.1.2 聚类数据类型57 5.1.3 聚类的方法57 5.2 信息熵与互信息58 5.2.1 信息熵58 5.2.2 条件熵59 5.2.3 联合熵61 5.2.4 互信息61 5.3 CTQs 识别聚类方法构建 62 5.3.1 属性聚类62 5.3.2 弹性网62 5.2.3 基于属性聚类的 CTQs 识别 63 5.4 算例应用分析64 5.5 本章小结67 第六章 基于 Filter 与 Wrapper 混合模型的复杂产品关键质量特性识别 68 6.1 Filter 与 Wrapper 混合模型 68 6.2 粒子群优化算法70 6.2.1 基本粒子群算法71 6.2.2 二值离散粒子群72 6.3 CTQs 识别混合模型构建 74 6.3.1 信息相关冗余74 6.3.2 kNN 分类器 74 6.3.3 构建 CTQs 组合识别方法 75 6.4 算例应用分析76 6.5 本章小结78 第七章 总结与展望79 7.1 总结79 7.2