| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题意义 | 第10-11页 |
| ·统计建模国内外研究现状 | 第11-15页 |
| ·小波分析在统计领域的研究概况 | 第11-12页 |
| ·核方法的研究概况 | 第12-13页 |
| ·广义可加模型（GAM）的研究概况 | 第13-14页 |
| ·统计语言R 的发展概况 | 第14-15页 |
| ·本论文的主要研究内容和章节安排 | 第15-18页 |
| ·主要研究内容 | 第15页 |
| ·章节安排 | 第15-18页 |
| 第二章 基于小波基的预测函数模型 | 第18-30页 |
| ·引言 | 第18页 |
| ·小波变换 | 第18-21页 |
| ·小波变换的定义 | 第18-20页 |
| ·小波变换的特点 | 第20-21页 |
| ·db 小波 | 第21页 |
| ·基于小波基函数和Hammerstein 模型的预测函数模型 | 第21-25页 |
| ·原理图 | 第21-22页 |
| ·内部模型的自适应性 | 第22-24页 |
| ·滚动优化 | 第24-25页 |
| ·误差校正 | 第25页 |
| ·基于小波基函数和Hammerstein 模型的预测函数模型算法的实现 | 第25-27页 |
| ·仿真研究 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于小波与核方法的统计模型研究 | 第30-64页 |
| ·引言 | 第30页 |
| ·核方法模型中参数的确定 | 第30-42页 |
| ·本节引述 | 第30-31页 |
| ·蚁群算法的原理及改进 | 第31-33页 |
| ·支持向量回归机 | 第33-37页 |
| ·实现基于蚁群算法的SVM 参数的选择 | 第37-40页 |
| ·函数仿真示例 | 第40-41页 |
| ·基于ACO 算法的SVM 建模应用 | 第41-42页 |
| ·结论 | 第42页 |
| ·基于小波融合核的统计模型 | 第42-51页 |
| ·本节引述 | 第42-43页 |
| ·核函数与小波框架 | 第43-45页 |
| ·小波融合核支持向量机 | 第45-47页 |
| ·仿真结果与分析 | 第47-50页 |
| ·结论 | 第50-51页 |
| ·基于RKHS 的核方法统计模型 | 第51-57页 |
| ·本节引述 | 第51页 |
| ·支持向量核函数 | 第51-52页 |
| ·可分Hibert 空间与L2(R)的等价性 | 第52-53页 |
| ·Hilbert 空间的多分辨小波核函数 | 第53-55页 |
| ·仿真结果与分析 | 第55-56页 |
| ·结论 | 第56-57页 |
| ·核方法统计模型稀疏性问题的研究 | 第57-63页 |
| ·本节引述 | 第57页 |
| ·稀疏特征空间的支持向量机 | 第57-60页 |
| ·具有稀疏性的融合核最小二乘支持向量机 | 第60-61页 |
| ·仿真实验 | 第61-63页 |
| ·结论 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第四章 基于GAMs 与BOOTSTRAP 的发酵过程统计模型研究 | 第64-100页 |
| ·引言 | 第64页 |
| ·基于GAMS 的谷氨酸发酵过程优化策略的统计建模研究 | 第64-84页 |
| ·本节引述 | 第64-65页 |
| ·R 语言 | 第65-68页 |
| ·实验材料与方法 | 第68-71页 |
| ·GAM 模型建立及发酵过程影响因素分析 | 第71-80页 |
| ·谷氨酸发酵过程的优化策略研究 | 第80-81页 |
| ·结论 | 第81-84页 |
| ·基于GAMS 与BOOTSTRAP 的故障诊断策略的统计建模研究 | 第84-97页 |
| ·本节引述 | 第84-86页 |
| ·实验材料 | 第86页 |
| ·基于GAMs 和BOOTSTRAP 的故障诊断统计方法 | 第86-90页 |
| ·GAM 模型建立及故障诊断分析 | 第90-97页 |
| ·结论 | 第97页 |
| ·本章小结 | 第97-100页 |
| 第五章 总结和展望 | 第100-104页 |
| ·全文工作总结 | 第100-101页 |
| ·研究展望 | 第101-104页 |
| 主要创新点 | 第104-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 附录:作者在攻读博士学位期间发表的论文与参与的项目 | 第120页 |
