| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·微生物发酵工业概述 | 第9-14页 |
| ·国内外研究现状和发展趋势 | 第9-10页 |
| ·微生物发酵优化控制的方法和内容 | 第10-13页 |
| ·微生物发酵优化控制面临的问题 | 第13-14页 |
| ·软测量技术概述 | 第14-17页 |
| ·软测量的建模方法 | 第15-16页 |
| ·影响软测量性能的因素 | 第16页 |
| ·基于支持向量机的软测量模型 | 第16-17页 |
| ·本文研究的意义和主要内容 | 第17-19页 |
| ·课题研究的意义 | 第17-18页 |
| ·主要研究内容 | 第18-19页 |
| 第2章 支持向量机及其回归方法 | 第19-34页 |
| ·支持向量机理论的提出 | 第19页 |
| ·统计学习理论 | 第19-23页 |
| ·经验风险最小化原则 | 第20-21页 |
| ·VC(Vapnik Chervonenkis)维 | 第21-22页 |
| ·推广性的界 | 第22页 |
| ·结构风险最小化准则 | 第22-23页 |
| ·支持向量机 | 第23-28页 |
| ·最优分类面 | 第23-26页 |
| ·支持向量机的模型结构 | 第26-27页 |
| ·核函数 | 第27-28页 |
| ·支持向量回归机 | 第28-32页 |
| ·线性回归机 | 第28-30页 |
| ·非线性回归机 | 第30-31页 |
| ·标准支持向量机(ε-SVM) | 第31-32页 |
| ·支持向量机的函数回归仿真实验 | 第32-34页 |
| 第3章 基于支持向量机赖氨酸发酵软测量建模 | 第34-51页 |
| ·发酵过程参数描述 | 第34-35页 |
| ·数据预处理 | 第35-39页 |
| ·数据的预处理方法 | 第36-37页 |
| ·基于聚类分析的在线错误数据剔除方法 | 第37-39页 |
| ·赖氨酸发酵过程软测量变量的确定 | 第39-42页 |
| ·发酵过程变量选择问题 | 第39页 |
| ·辅助变量的选择 | 第39-42页 |
| ·基于支持向量机赖氨酸软测量模型 | 第42-47页 |
| ·支持向量回归机的实现 | 第43-44页 |
| ·支持向量机软测量模型仿真 | 第44-47页 |
| ·支持向量机软测量模型与神经网络模型的分析 | 第47-50页 |
| ·径向基函数(RBF)神经网络软测量模型仿真 | 第47-49页 |
| ·两种软测量模型的比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于改进算法的支持向量机软测量 | 第51-65页 |
| ·最小二乘支持向量机的软测量模型 | 第51-56页 |
| ·基于LS-SVM赖氨酸发酵过程软测量 | 第53-55页 |
| ·LS-SVM与SVM软测量模型的比较 | 第55-56页 |
| ·鲁棒最小二乘支持向量机软测量 | 第56-59页 |
| ·基于Robust LS-SVM赖氨酸发酵过程软测量 | 第57-58页 |
| ·鲁棒LS-SVM与LS-SVM模型性能比较 | 第58-59页 |
| ·基于多输出支持向量机的软测量 | 第59-64页 |
| ·基于多输入多输出SVM赖氨酸发酵过程软测量 | 第61-62页 |
| ·基于多输入多输出LS-SVM赖氨酸发酵过程软测量 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A 发酵实验主要设备 | 第72-73页 |
| 附录B 发酵实验数据 | 第73-75页 |
| 研究生学习期间发表的论文 | 第75页 |
