| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究的意义 | 第10页 |
| ·课题研究现状 | 第10-12页 |
| ·论文的主要工作和结构安排 | 第12-14页 |
| 第2章 统计学习理论与最小二乘支持向量机 | 第14-40页 |
| ·机器学习 | 第14-16页 |
| ·机器学习问题的表述 | 第14-16页 |
| ·机器学习的经验风险最小化原则 | 第16页 |
| ·统计学习理论 | 第16-21页 |
| ·学习过程一致性的条件 | 第17-18页 |
| ·VC维 | 第18页 |
| ·推广性的界 | 第18-20页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·最优超平面和支持向量机 | 第21-26页 |
| ·最优超平面及其构造 | 第21-25页 |
| ·支持向量机 | 第25-26页 |
| ·支持向量回归机 | 第26-29页 |
| ·ε不敏感损失函数 | 第26-27页 |
| ·线性支持向量回归机 | 第27-29页 |
| ·标准支持向量机的改进 | 第29-30页 |
| ·最小二乘支持向量机(LS-SVM) | 第30-39页 |
| ·最小二乘支持向量机的特性 | 第30-33页 |
| ·具有稀疏性的最小二乘支持向量机 | 第33-35页 |
| ·具有鲁棒性的最小二乘支持向量机 | 第35-37页 |
| ·最小二乘支持向量机建模的参数选择 | 第37-39页 |
| ·交叉验证(CV)法 | 第37-38页 |
| ·网格搜索法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 实验设计及数据处理 | 第40-44页 |
| ·电生理信号简介 | 第40-41页 |
| ·数据采集实验 | 第41-43页 |
| ·数据处理 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第4章 LS-SVM的OFS建模与分析 | 第44-77页 |
| ·LS-SVM的OFS建模 | 第44-55页 |
| ·模型参数的选择 | 第45-46页 |
| ·建模的具体步骤 | 第46-47页 |
| ·仿真结果 | 第47-54页 |
| ·讨论 | 第54-55页 |
| ·LS-SVM与GA-Mamdani建模方法的结果比较与分析 | 第55-58页 |
| ·基于稀疏LS-SVM的OFS建模 | 第58-63页 |
| ·建模的具体步骤 | 第58页 |
| ·仿真结果 | 第58-62页 |
| ·讨论 | 第62-63页 |
| ·基于WLS-SVM的OFS建模 | 第63-69页 |
| ·建模的具体步骤 | 第63-64页 |
| ·仿真结果 | 第64-69页 |
| ·讨论 | 第69页 |
| ·基于加权的稀疏LS-SVM的OFS建模 | 第69-76页 |
| ·建模的具体步骤 | 第69-70页 |
| ·建模结果 | 第70-75页 |
| ·讨论 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 结论与展望 | 第77-78页 |
| ·结论 | 第77页 |
| ·存在的问题与进一步的工作 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 作者在攻读硕士学位期间发表的论文 | 第84页 |