基于聚类算法和支持向量机的燃煤结渣特性预测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 结渣原理以及判别指标 | 第13-16页 |
| 2.1 熔融温度 | 第13页 |
| 2.2 碱酸比 | 第13-14页 |
| 2.3 硅铝比 | 第14页 |
| 2.4 硅比 | 第14-15页 |
| 2.5 无因次实际切圆直径 | 第15页 |
| 2.6 因次炉膛平均温度 | 第15-16页 |
| 第3章 支持向量机算法 | 第16-26页 |
| 3.1 支持向量机简介 | 第16-20页 |
| 3.1.1 机器学习理论概述 | 第16-17页 |
| 3.1.2 统计学习理论 | 第17-19页 |
| 3.1.3 支持向量机算法的背景 | 第19-20页 |
| 3.2 支持向量机分类和回归 | 第20-23页 |
| 3.2.1 支持向量分类 | 第20-22页 |
| 3.2.2 支持向量回归 | 第22-23页 |
| 3.3 支持向量机模型参数 | 第23-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第4章 聚类算法 | 第26-29页 |
| 4.1 模糊C均值聚类 | 第26-27页 |
| 4.1.1 模糊C均值聚类原理 | 第26-27页 |
| 4.1.2 分类判别方法 | 第27页 |
| 4.2 灰色聚类算法原理 | 第27-29页 |
| 第5章 模糊C均值聚类支持向量机锅炉结渣预测模型 | 第29-35页 |
| 5.1 锅炉结渣特性预测流程 | 第29页 |
| 5.2 样本数据来源 | 第29-31页 |
| 5.3 模糊C均值聚类 | 第31-32页 |
| 5.4 分类判别 | 第32页 |
| 5.5 预测模型的训练 | 第32-33页 |
| 5.6 评判结果及分析 | 第33-34页 |
| 5.7 本章小结 | 第34-35页 |
| 第6章 灰色聚类支持向量机锅炉结渣预测模型 | 第35-43页 |
| 6.1 锅炉结渣特性预测流程 | 第35页 |
| 6.2 样本数据来源 | 第35-37页 |
| 6.3 燃煤结渣特性的灰色聚类评判 | 第37-40页 |
| 6.3.1 确定影响燃煤结渣性能的聚类因子 | 第37页 |
| 6.3.2 确定结渣评判等级 | 第37-38页 |
| 6.3.3 数据归一化处理 | 第38页 |
| 6.3.4 确定影响因子聚类权 | 第38-39页 |
| 6.3.5 确定白化函数值 | 第39页 |
| 6.3.6 确定聚类系数 | 第39-40页 |
| 6.3.7 聚类行向量 | 第40页 |
| 6.3.8 聚类结果 | 第40页 |
| 6.3.9 待测样本的分类判别 | 第40页 |
| 6.4 预测模型的训练 | 第40-41页 |
| 6.5 评判结果及分析 | 第41-42页 |
| 6.6 本章小结 | 第42-43页 |
| 第7章 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第47-48页 |
| 致谢 | 第48页 |
