首页--工业技术论文--矿业工程论文--矿山机械论文--选矿机械论文--磨矿机论文

基于多源特征提取与机器学习的磨机负荷软测量

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-20页
    1.1 选题背景及研究意义第9-11页
    1.2 研究状况第11-17页
        1.2.1 磨机负荷测量技术的发展历程第11-17页
        1.2.2 磨机负荷测量技术的研究现状第17页
    1.3 主要工作以及创新点第17-18页
    1.4 论文的主要研究思路和结构安排第18-20页
第二章 相关理论与方法第20-37页
    2.1 支持向量机理论第20-24页
        2.1.1 支持向量机第20-22页
        2.1.2 支持向量回归机第22-24页
    2.2 支持张量机理论第24-30页
        2.2.1 张量定义第24-25页
        2.2.2 张量运算第25-27页
        2.2.3 秩一分解第27-28页
        2.2.4 线性支持张量机第28-30页
    2.3 核函数第30-36页
        2.3.1 核函数定义第30-31页
        2.3.2 核函数性质第31-32页
        2.3.3 常见核函数第32-34页
        2.3.4 核函数度量特性第34-36页
    2.4 本章小结第36-37页
第三章 基于核选择的多输入多输出支持向量机磨机负荷软测量第37-47页
    3.1 最小二乘支持向量机第37-39页
    3.2 核函数选择方法第39-41页
    3.3 模型参数第41-43页
    3.4 算法流程框架第43-44页
    3.5 实验结果及分析第44-46页
        3.5.1 实验仿真环境第44页
        3.5.2 测量结果及对比分析第44-46页
    3.6 本章小结第46-47页
第四章 基于支持张量机的磨机负荷分级软测量第47-56页
    4.1 磨机负荷分级理论第47-49页
        4.1.1 Ⅰ区和Ⅱ区第47-48页
        4.1.2 Ⅱ区和Ⅲ区第48-49页
    4.2 支持张量回归机及算法总流程第49-52页
        4.2.1 支持张量机算法原理第49-51页
        4.2.2 算法总流程第51-52页
    4.3 实验测试及结果分析第52-54页
        4.3.1 实验运行环境及数据第52页
        4.3.2 测量结果及对比第52-54页
    4.4 本章小结第54-56页
第五章 总结与展望第56-58页
    5.1 总结第56页
    5.2 展望第56-58页
参考文献第58-61页
致谢第61-62页
攻读学位期间的研究成果第62-63页

论文共63页,点击 下载论文
上一篇:河南某煤矿采空区室内模型试验及数值模拟研究
下一篇:VUV/air降解乙硫氮和苯甲羟肟酸的研究