| 摘要 | 第1-7页 |
| Abstract | 第7-16页 |
| 第一章 综述 | 第16-32页 |
| 1 研究背景 | 第16-17页 |
| 2 统计学习理论基础 | 第17-21页 |
| ·学习问题的表述 | 第17-18页 |
| ·VC维理论 | 第18页 |
| ·推广性的界 | 第18-20页 |
| ·结构风险最小准则 | 第20-21页 |
| 3 支持向量机介绍 | 第21-27页 |
| ·核函数 | 第21-22页 |
| ·支持向量机分类 | 第22-25页 |
| ·支持向量机回归 | 第25-27页 |
| 4 LIBSVM简介 | 第27-29页 |
| ·LIBSVM操作方法 | 第27页 |
| ·LIBSVM使用的数据集格式 | 第27页 |
| ·使用方法简介 | 第27-29页 |
| 5 支持向量机研究进展 | 第29-30页 |
| 6 本文研究内容及组织 | 第30-32页 |
| 第二章 支持向量回归机的改进及其应用框架的构建 | 第32-37页 |
| 1 支持向量回归机在应用中的若干问题 | 第32-33页 |
| 2 支持向量回归机在回归分析中的应用框架 | 第33-35页 |
| ·核函数寻优 | 第33页 |
| ·多轮末尾淘汰法 | 第33-34页 |
| ·多轮末尾强制淘汰法 | 第34页 |
| ·双重留一法 | 第34-35页 |
| ·模型预测性能评价 | 第35页 |
| 3 框架流程图 | 第35-37页 |
| 第三章 基于支持向量回归机的农药定量构效关系建模 | 第37-61页 |
| 1 基于SVR与K-最近邻法的组合预测用于除草剂QSAR建模 | 第38-49页 |
| ·原理与方法 | 第38-40页 |
| ·支持向量回归机 | 第38页 |
| ·核函数寻优及描述符筛选 | 第38页 |
| ·K-近邻法 | 第38-39页 |
| ·组合预测 | 第39-40页 |
| ·模型构建 | 第40-41页 |
| ·结果与分析 | 第41-48页 |
| ·样本数据说明 | 第41-42页 |
| ·基于SVR的核函数寻优与描述符筛选 | 第42-43页 |
| ·子模型构建与组合预测 | 第43-46页 |
| ·组合预测模型与其他模型预测性能比较 | 第46-47页 |
| ·利用预测结果对除草剂毒性作用机制的推测 | 第47-48页 |
| ·结论 | 第48-49页 |
| 2 基于SVR局部核函数与全局核函数优化小样本QSAR建模 | 第49-61页 |
| ·原理与方法 | 第50-52页 |
| ·支持向量回归机 | 第50页 |
| ·局部核函数与全局核函数 | 第50-51页 |
| ·混合核函数和组合预测 | 第51-52页 |
| ·模型构建 | 第52页 |
| ·局部核函数与全局核函数的选择 | 第52页 |
| ·核函数寻优与描述符筛选 | 第52页 |
| ·组合预测 | 第52页 |
| ·结果与分析 | 第52-59页 |
| ·黄烷酮类化合物的定量构效关系建模 | 第52-56页 |
| ·2-(4-取代-苯基)-3-异噻唑啉酮类化合物的定量构效关系建模 | 第56-59页 |
| ·结论 | 第59-61页 |
| 第四章 基于支持向量回归机的配方优化 | 第61-85页 |
| 1 基于支持向量回归机的小菜蛾饲料配方优化 | 第62-73页 |
| ·原理与方法 | 第62-65页 |
| ·核函数寻优与描述符筛选 | 第62页 |
| ·模型构建 | 第62页 |
| ·模型预测性能评价 | 第62-63页 |
| ·配方因子效应分析 | 第63-64页 |
| ·小菜蛾饲料配方数据集 | 第64-65页 |
| ·结果与分析 | 第65-71页 |
| ·核函数寻优与描述符筛选 | 第65页 |
| ·预测模型评估 | 第65-67页 |
| ·影响小菜蛾化蛹率的单因子效应分析 | 第67-68页 |
| ·频次分析和统计寻优 | 第68-70页 |
| ·双因子效应对小菜蛾化蛹率的影响 | 第70-71页 |
| ·小结 | 第71-72页 |
| ·结论 | 第72-73页 |
| 2 基于支持向量回归机与均匀设计优化井岗霉素发酵配方 | 第73-85页 |
| ·试验材料 | 第73-74页 |
| ·供试菌株 | 第73页 |
| ·培养基及培养条件 | 第73-74页 |
| ·原理与方法 | 第74-76页 |
| ·核函数寻优与描述符筛选 | 第74页 |
| ·双重留一法预测 | 第74-75页 |
| ·均匀设计 | 第75页 |
| ·模型评估 | 第75页 |
| ·基于均匀设计与支持向量机(UD-SVR)的配方优化流程 | 第75-76页 |
| ·结果与分析 | 第76-83页 |
| ·基准方案的确定 | 第76-78页 |
| ·第一轮均匀设计 | 第78-79页 |
| ·第一轮预测与频次统计寻优 | 第79-80页 |
| ·第二轮均匀设计 | 第80页 |
| ·单因子效应分析 | 第80-81页 |
| ·双因子效应分析 | 第81-83页 |
| ·小结 | 第83-84页 |
| ·结论 | 第84-85页 |
| 第五章 基于支持向量回归机与地统计学的多维时间序列分析 | 第85-101页 |
| 1 原理与方法 | 第86-91页 |
| ·原理简介 | 第86-88页 |
| ·地统计学 | 第86-88页 |
| ·支持向量回归机 | 第88页 |
| ·核函数寻优与描述符筛选 | 第88页 |
| ·基于GS-SVR的多维时间序列分析模型构建 | 第88-91页 |
| ·数据平稳化处理 | 第88-89页 |
| ·基于地统计学的定阶过程 | 第89页 |
| ·非线性变量筛选 | 第89-90页 |
| ·基于主成分分析(PCA)的保留变量处理 | 第90页 |
| ·核函数选取 | 第90页 |
| ·预测评价指标 | 第90页 |
| ·GS-SVR多维时间序列分析预测模型流程图 | 第90-91页 |
| 2 基于GS-SVR的小麦赤霉病病穗率预测 | 第91-95页 |
| ·小麦赤霉病发生预测数据集 | 第91-92页 |
| ·小麦赤霉病发病率预测模型构建 | 第92-94页 |
| ·数据平稳化处理 | 第92页 |
| ·模型定阶和训练集构成 | 第92-93页 |
| ·核函数寻优与非线性描述符筛选 | 第93页 |
| ·保留描述符主成分分析 | 第93-94页 |
| ·结果和分析 | 第94-95页 |
| 3 基于GS-SVR的二代玉米螟危害程度预测 | 第95-99页 |
| ·二代玉米螟发生预测数据集 | 第95-96页 |
| ·二代玉米二化螟为害程度预测模型构建 | 第96-98页 |
| ·数据平稳化处理 | 第96页 |
| ·模型定阶和训练集构成 | 第96-97页 |
| ·核函数寻优与非线性描述符筛选 | 第97-98页 |
| ·保留描述符主成分分析 | 第98页 |
| ·结果和分析 | 第98-99页 |
| 4 结论 | 第99-101页 |
| 第六章 主要结论与创新点 | 第101-104页 |
| 1 主要结论 | 第101-102页 |
| 2 创新点 | 第102-103页 |
| 3 今后研究方向 | 第103-104页 |
| 参考文献 | 第104-114页 |
| 致谢 | 第114-115页 |
| 个人简历 | 第115页 |
