| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-25页 |
| ·引言 | 第12页 |
| ·数据协调 | 第12-15页 |
| ·稳态数据协调 | 第13-14页 |
| ·动态数据协调 | 第14-15页 |
| ·过失误差的识别 | 第15-18页 |
| ·稳态过失误差识别方法 | 第15-17页 |
| ·动态过失误差识别 | 第17-18页 |
| ·支持向量回归机 | 第18-21页 |
| ·支持向量回归机算法 | 第19-20页 |
| ·鲁棒支持向量回归 | 第20-21页 |
| ·主要研究内容及组织 | 第21-25页 |
| ·主要研究内容 | 第21-22页 |
| ·本文的组织 | 第22-25页 |
| 第2章 一种混合的过失误差识别和数据协调方法 | 第25-39页 |
| ·引言 | 第25-26页 |
| ·数据校正统计假设检验方法 | 第26-28页 |
| ·测量检测法(MT) | 第26页 |
| ·节点检测方法(NT) | 第26-27页 |
| ·MT和NT的结合方法 | 第27-28页 |
| ·混合整数线性规划的数据校正和过失误差识别技术 | 第28-29页 |
| ·MT-NT-MILP混合方法 | 第29-34页 |
| ·基于最大支撑树的过失误差备选集合的形成方法 | 第29-31页 |
| ·基于过失误差备选集合的MILP校正模型 | 第31-34页 |
| ·仿真分析 | 第34-38页 |
| ·仿真实验1 | 第34-35页 |
| ·仿真实验2 | 第35-38页 |
| ·结论 | 第38-39页 |
| 第3章 过失误差识别和数据校正的MILP模型的等价转化与推广 | 第39-55页 |
| ·引言 | 第39-40页 |
| ·背景 | 第40-42页 |
| ·基本MILP模型 | 第40-41页 |
| ·鲁棒数据校正模型 | 第41-42页 |
| ·MILP数据校正模型的等价模型 | 第42-43页 |
| ·模型的改进 | 第43-44页 |
| ·实验分析 | 第44-54页 |
| ·实验1 | 第44-45页 |
| ·实验2 | 第45-46页 |
| ·应用到动态系统:连续搅拌槽反应器(CSTR) | 第46-54页 |
| ·结论 | 第54-55页 |
| 第4章 基于先验信息的过失误差识别和数据校正的新策略 | 第55-70页 |
| ·引言 | 第55页 |
| ·过失误差的侦测 | 第55-59页 |
| ·研究问题的描述 | 第55-56页 |
| ·理想测量模型下的过失误差识别 | 第56-57页 |
| ·常规测量模型的过失误差识别 | 第57-59页 |
| ·过失误差的估计和数据校正 | 第59-63页 |
| ·基于投影矩阵的方法 | 第59-60页 |
| ·赋权的方法 | 第60-62页 |
| ·例子 | 第62-63页 |
| ·新策略的详细描述 | 第63-64页 |
| ·仿真分析 | 第64-69页 |
| ·结论 | 第69-70页 |
| 第5章 稀疏光滑鲁棒支持向量回归 | 第70-89页 |
| ·引言 | 第70页 |
| ·背景 | 第70-72页 |
| ·标准的支持向量回归 | 第70-72页 |
| ·最小二乘支持向量机回归 | 第72页 |
| ·一种新的鲁棒支持向量机回归 | 第72-80页 |
| ·鲁棒估计 | 第72-75页 |
| ·基于光滑的ε不敏感Fair估计的支持向量机回归 | 第75-80页 |
| ·数据测试 | 第80-87页 |
| ·一元函数测试 | 第80-82页 |
| ·二元函数测试 | 第82-87页 |
| ·总结 | 第87-89页 |
| 第6章 平顶的支持向量回归 | 第89-108页 |
| ·引言 | 第89页 |
| ·背景 | 第89-91页 |
| ·带权的支持向量回归 | 第89-90页 |
| ·支持向量回归中参数选择问题 | 第90-91页 |
| ·一种新颖的非凸损失函数 | 第91-93页 |
| ·基于CCCP的平顶支持向量回归 | 第93-96页 |
| ·收敛性与计算复杂度 | 第96-97页 |
| ·数据集合测试 | 第97-107页 |
| ·人工数据集测试 | 第97-105页 |
| ·现实数据集测试 | 第105-107页 |
| ·结论 | 第107-108页 |
| 第7章 总结与展望 | 第108-110页 |
| ·总结 | 第108-109页 |
| ·展望 | 第109-110页 |
| 参考文献 | 第110-122页 |
| 致谢 | 第122-123页 |
| 攻读博士学位期间的主要学术成果 | 第123页 |