基于SVM的加热炉钢温模型及其参数优化研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-12页 |
| ·加热炉过程建模的现状 | 第12-14页 |
| ·加热炉特征 | 第12-13页 |
| ·过程建模方法 | 第13-14页 |
| ·多变量统计建模方法 | 第14-16页 |
| ·本文主要工作 | 第16-18页 |
| 第2章 相关理论知识 | 第18-34页 |
| ·主元分析基本原理 | 第18-22页 |
| ·主元分析法基本思想 | 第18页 |
| ·主元分析的基本原理 | 第18-20页 |
| ·主元个数的选择方法 | 第20页 |
| ·核主元分析 | 第20-22页 |
| ·支持向量机的原理和算法 | 第22-32页 |
| ·统计学习与VC理论 | 第22-25页 |
| ·支持向量机的分类 | 第25-28页 |
| ·支持向量机的回归 | 第28-30页 |
| ·最小二乘支持向量机 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于LSSVM的加热炉钢温模型 | 第34-48页 |
| ·模型过程变量的选择 | 第34-35页 |
| ·仿真实验研究 | 第35-43页 |
| ·LSSVM回归仿真实验 | 第36-38页 |
| ·PCA-LSSVM回归仿真实验 | 第38-40页 |
| ·KPCA-LSSVM回归仿真实验 | 第40-42页 |
| ·实验结果分析 | 第42-43页 |
| ·交叉验证确定模型超参数 | 第43-46页 |
| ·超参数优化的意义 | 第43-44页 |
| ·十折交叉验证优化模型参数 | 第44-46页 |
| ·实验结果分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于粒子群算法的模型超参数优化 | 第48-66页 |
| ·粒子群优化算法 | 第48-52页 |
| ·PSO的基本原理 | 第49页 |
| ·PSO的数学描述 | 第49-52页 |
| ·带有超参数粒子群优化的钢温模型 | 第52-55页 |
| ·粒子群算法的改进 | 第55-60页 |
| ·基本粒子群算法不足 | 第55-57页 |
| ·基于粒子进化的多粒子群优化算法 | 第57-60页 |
| ·带有超参数改进粒子群优化的钢温模型 | 第60-62页 |
| ·实验结果分析 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
