目錄第1部分遷移學習驅動的建模方法1基于高斯過程模型和貝葉斯算法的改進快速建模方法31.1引言31.2理論基礎61.2.1高斯過程回歸模型61.2.2貝葉斯算法71.2.3MCMC算法81.2.4拉丁超立方體抽樣算法101.3基于高斯過程模型和貝葉斯算法的改進模型遷移建模策略111.3.1建立舊過程性能預測模型111.3.2采集新過程建模數據121.3.3模型尺度偏差遷移調整131.3.4貝葉斯遷移模型參數估計141.3.5新過程序貫試驗設計161.3.6停止條件與遷移模型驗證181.4實驗驗證191.4.1實驗設計191.4.2結果分析26參考文獻302基于多模型遷移和貝葉斯模型平均算法的*小成本建模方法332.1引言332.2多模型遷移策略342.3貝葉斯模型平均算法352.3.1BMA352.3.2期望*大（EM）算法362.4基于多模型遷移策略的*小成本建模方法372.4.1相似過程基礎模型選擇382.4.2新過程初始建模數據獲取392.4.3參數估計與模型訓練392.4.4補充實驗與模型驗證392.5實驗驗證412.5.1實驗設計412.5.2結果分析43參考文獻473基于多任務*小二乘支持向量機的多過程聯合建模方法483.1引言483.2多任務*小二乘支持向量機493.2.1多任務學習算法493.2.2*小二乘支持向量機493.2.3多任務*小二乘支持向量機523.3多過程聯合建模方法543.3.1數據預處理543.3.2構建多任務543.3.3模型訓練與模型評估553.4實驗驗證553.4.1實驗設計553.4.2結果分析56參考文獻60第2部分遷移學習驅動的產品質量預測方法4基于JYKPLS遷移模型的產品質量預測方法634.1引言634.2JYKPLS基本原理654.2.1PLS654.2.2KPLS654.2.3JYPLS684.2.4JYKPLS694.3基于JYKPLS遷移模型的間歇過程質量預測方法724.3.1數據預處理724.3.2基于PCA映射的數據預估744.3.3模型更新與數據剔除744.3.4在線質量預測764.4實驗驗證784.4.1實驗設計784.4.2結果分析81參考文獻875基于多尺度核JYMKPLS遷移模型的產品質量預測方法905.1引言905.2多尺度核學習方法905.3JYMKPLS方法915.4基于JYMKPLS遷