支持向量机在工业质量检测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-10页 |
| 目录 | 第10-12页 |
| 第一章 综述 | 第12-40页 |
| ·统计学习理论发展概述 | 第12-20页 |
| ·统计学习理论的发展历史 | 第12-13页 |
| ·统计学习理论的基本概念 | 第13-14页 |
| ·统计学习理论的基本问题 | 第14-17页 |
| ·统计学习理论的核心内容 | 第17-20页 |
| ·支持向量机概述 | 第20-27页 |
| ·支持向量机的基本思想 | 第20-21页 |
| ·支持向量机的基础算法 | 第21-27页 |
| ·支持向量机研究与应用现状 | 第27-34页 |
| ·支持向量机的研究现状 | 第27-32页 |
| ·支持向量机的应用现状 | 第32-34页 |
| ·工业质量检测概述 | 第34-38页 |
| ·推断测量(软测量)简介 | 第34-35页 |
| ·推断测量(软测量)建模的常用技术 | 第35-37页 |
| ·常用技术存在的问题和局限性 | 第37-38页 |
| ·本文主要内容 | 第38-40页 |
| 第二章 支持向量机方法在水质分析中的应用 | 第40-52页 |
| ·引言 | 第40-42页 |
| ·训练样本的获取和预处理 | 第42-43页 |
| ·用于回归分析的LSSVM简介 | 第43-45页 |
| ·在线自适应算法的设计 | 第45-47页 |
| ·仿真结果与分析 | 第47-49页 |
| ·结论 | 第49-52页 |
| 第三章 连续重整装置中的参数估计应用研究 | 第52-64页 |
| ·引言 | 第52-54页 |
| ·基于LSSVM的在线推断测量方法 | 第54-57页 |
| ·仿真结果与分析 | 第57-62页 |
| ·结论 | 第62-64页 |
| 第四章 一种多层前向神经网络的快速非迭代训练算法 | 第64-76页 |
| ·引言 | 第64-65页 |
| ·前向神经网络的快速非迭代训练算法 | 第65-68页 |
| ·多层前向神经网络结构 | 第65-66页 |
| ·训练算法的基本设计思想 | 第66-67页 |
| ·前向神经网络隐层部分的学习 | 第67页 |
| ·前向网络模型输出层参数的重新调整 | 第67-68页 |
| ·隐节点数的自动确定 | 第68页 |
| ·数值仿真实例 | 第68-74页 |
| ·结论 | 第74-76页 |
| 第五章 结论与展望 | 第76-78页 |
| ·研究工作总结 | 第76-77页 |
| ·应用与研究工作的展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 附录 | 第84页 |
| 作者简介 | 第84页 |
| 攻读硕士期间发表和录用的论文 | 第84页 |
| 攻读硕士学位期间参与的科研项目 | 第84页 |
