| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状及发展趋势 | 第8-9页 |
| ·论文研究内容及结构安排 | 第9-11页 |
| ·论文研究内容 | 第9页 |
| ·论文结构安排 | 第9-11页 |
| 第二章 优化算法和支持向量机综述 | 第11-26页 |
| ·优化算法 | 第11-16页 |
| ·粒子群算法 | 第11-12页 |
| ·量子粒子群算法 | 第12-14页 |
| ·差分进化算法 | 第14-16页 |
| ·机器学习及统计学理论简介 | 第16-20页 |
| ·机器学习的一般表示 | 第17页 |
| ·经验风险最小化 | 第17-18页 |
| ·VC 维及推广性的界 | 第18-19页 |
| ·结构风险最小化原则 | 第19-20页 |
| ·支持向量机原理 | 第20-23页 |
| ·最优分类超平面 | 第20-21页 |
| ·支持向量回归机 | 第21-23页 |
| ·最小二乘支持向量机 | 第23-25页 |
| ·最小二乘支持向量回归机 | 第23-24页 |
| ·LSSVM 参数的重要性 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 混沌量子粒子群和差分进化算法 | 第26-40页 |
| ·引言 | 第26页 |
| ·优化算法的改进 | 第26-34页 |
| ·交叉概率自适应选取 | 第27页 |
| ·混沌搜索 | 第27-29页 |
| ·混沌差分进化算法 | 第29-30页 |
| ·QPSO-DE 优化算法 | 第30-33页 |
| ·混沌 QPSO-DE 优化算法 | 第33-34页 |
| ·实验仿真及结果分析 | 第34-38页 |
| ·测试函数 | 第34-35页 |
| ·实验仿真 | 第35-38页 |
| ·结果分析 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于混沌 QPSO-DE 优化的 LSSVM 溶氧预测模型 | 第40-49页 |
| ·水质影响因子 | 第40-41页 |
| ·光照 | 第40页 |
| ·水温 | 第40页 |
| ·pH 值 | 第40-41页 |
| ·溶解氧 | 第41页 |
| ·氮元素 | 第41页 |
| ·基于混沌 QPSO-DE 优化的 LSSVM 溶氧预测模型 | 第41-43页 |
| ·输入输出变量的确定 | 第42页 |
| ·数据的预处理 | 第42页 |
| ·溶氧预测的步骤 | 第42-43页 |
| ·实验仿真及误差分析 | 第43-48页 |
| ·实验仿真 | 第43-45页 |
| ·误差产生的原因 | 第45-46页 |
| ·误差指标和结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·文章总结 | 第49-50页 |
| ·不足之处与未来展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 1: 国家罗非鱼产业技术研发中心无锡养殖基地所测数据 | 第55-58页 |
| 附录 2: 作者在攻读硕士学位期间发表的论文 | 第58页 |
