基于SVM和RVM的加热炉钢温建模方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10页 |
| ·加热炉工艺过程简介 | 第10-14页 |
| ·工艺过程概述 | 第10-12页 |
| ·加热炉本体 | 第12页 |
| ·加热炉建模的难点和研究现状 | 第12-14页 |
| ·过程建模方法概述 | 第14-17页 |
| ·机理分析建模 | 第14-15页 |
| ·基于数据驱动的统计建模 | 第15-16页 |
| ·混合建模 | 第16-17页 |
| ·本文的研究工作及组织结构 | 第17-18页 |
| 第2章 过程数据的特征提取 | 第18-28页 |
| ·特征提取方法概述 | 第18-20页 |
| ·主元分析 | 第20-23页 |
| ·主元分析方法原理 | 第20-22页 |
| ·主元选取方法 | 第22-23页 |
| ·核主元分析 | 第23-25页 |
| ·基于核函数方法的基本思想 | 第23-24页 |
| ·核主元分析方法原理 | 第24-25页 |
| ·本章小结 | 第25-28页 |
| 第3章 基于SVM的加热炉钢温建模方法 | 第28-50页 |
| ·支持向量机基本原理 | 第28-38页 |
| ·统计学习理论 | 第28-30页 |
| ·支持向量机分类 | 第30-34页 |
| ·支持向量机回归 | 第34-36页 |
| ·最小二乘支持向量机 | 第36-38页 |
| ·SVM与LSSVM回归算法仿真实验 | 第38-40页 |
| ·支持向量机在加热炉钢温预报中的研究 | 第40-48页 |
| ·钢温预测模型分析 | 第40-42页 |
| ·LSSVM回归建模仿真 | 第42-43页 |
| ·PCA-LSSVM回归建模仿真 | 第43-45页 |
| ·KPCA-LSSVM回归建模仿真 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 基于RVM的加热炉钢温建模方法 | 第50-64页 |
| ·关联向量机基本原理 | 第50-58页 |
| ·贝叶斯学习理论 | 第50-53页 |
| ·关联向量机回归 | 第53-56页 |
| ·关联向量机分类 | 第56-58页 |
| ·RVM回归算法仿真实验 | 第58-59页 |
| ·关联向量机在加热炉钢温预报中的研究 | 第59-63页 |
| ·RVM回归建模仿真 | 第59-61页 |
| ·PCA-RVM回归建模仿真 | 第61-62页 |
| ·KPCA-RVM回归建模仿真 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
