| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-14页 |
| 主要符号对照表 | 第14-16页 |
| 1 绪论 | 第16-44页 |
| ·机器学习的内容简介 | 第16-20页 |
| ·机器学习的分类 | 第18页 |
| ·学习机器的应用 | 第18-19页 |
| ·学习机器的性能评价 | 第19-20页 |
| ·统计学习理论对机器学习的贡献 | 第20-29页 |
| ·统计学习理论对机器学习问题的描述 | 第20-22页 |
| ·最小化期望风险遵循的原则 | 第22-25页 |
| ·支持向量机 | 第25-29页 |
| ·核函数 | 第29-31页 |
| ·核函数基础 | 第29-30页 |
| ·核函数应用 | 第30-31页 |
| ·可能近似正确学习模型与集成学习 | 第31-36页 |
| ·可能近似正确学习的性质 | 第32-36页 |
| ·集成学习 | 第36页 |
| ·主分量分析与主角简介 | 第36-38页 |
| ·主分量分析简介 | 第36-37页 |
| ·主角的描述方法 | 第37页 |
| ·各种多元分析之间的关系 | 第37-38页 |
| ·研究现状 | 第38-42页 |
| ·统计学习理论与支持向量机的研究现状 | 第38-41页 |
| ·集成学习的研究现状 | 第41-42页 |
| ·本文主要内容 | 第42-44页 |
| 2 改进的支持向量机几何算法研究 | 第44-60页 |
| ·理论基础 | 第44-50页 |
| ·闭凸包概念与无关最优向量 | 第45-47页 |
| ·闭凸包上的优化算法 | 第47-50页 |
| ·支持向量机几何算法的改进 | 第50-53页 |
| ·可分情形下的支持向量机改进算法 | 第50-51页 |
| ·不可分情形下支持向量机的改进算法 | 第51-53页 |
| ·改进支持向量机几何算法的仿真结果 | 第53-58页 |
| ·线性可分情形下的改进效果 | 第54-55页 |
| ·线性不可分情形下的改进效果 | 第55-58页 |
| ·结论 | 第58-60页 |
| 3 一种稀疏最小二乘支持向量机 | 第60-74页 |
| ·引言 | 第60-61页 |
| ·最小二乘支持向量机简介 | 第61-62页 |
| ·稀疏最小二乘支持向量机 | 第62-65页 |
| ·最小二乘支持向量机的稀疏化原理与方法 | 第63-64页 |
| ·稀疏最小二乘支持向量机求解 | 第64-65页 |
| ·SLS-SVM特性分析 | 第65-66页 |
| ·SLS-SVM的递推求解过程 | 第66-68页 |
| ·SLS-SVM的仿真实验 | 第68-73页 |
| ·分类问题仿真试验 | 第68-70页 |
| ·回归问题仿真试验 | 第70-73页 |
| ·关于SLS-SVM的总结 | 第73-74页 |
| 4 集成稀疏最小二乘支持向量机的两种方法 | 第74-88页 |
| ·引言 | 第74-75页 |
| ·两类集成学习算法及其代表 | 第75-77页 |
| ·问题描述 | 第76页 |
| ·Bagging算法简介 | 第76-77页 |
| ·AdaBoost算法简介 | 第77页 |
| ·集成稀疏最小二乘支持向量机的两种方法 | 第77-80页 |
| ·改进的Bagging算法 | 第78-79页 |
| ·改进的AdaBoost算法 | 第79-80页 |
| ·两种算法特性的对比 | 第80页 |
| ·集成稀疏最小二乘支持向量机性能分析 | 第80-81页 |
| ·实验 | 第81-87页 |
| ·sinc函数实验 | 第81-86页 |
| ·UCI数据集上的试验 | 第86-87页 |
| ·总结 | 第87-88页 |
| 5 用于故障检测的集成稀疏核主分量分析 | 第88-102页 |
| ·引言 | 第88-89页 |
| ·基于核函数的主分量分析简介 | 第89-91页 |
| ·稀疏KPCA及其集成 | 第91-94页 |
| ·稀疏KPCA中的核矩阵变换技巧 | 第91-92页 |
| ·稀疏KPCA算法 | 第92-93页 |
| ·集成稀疏KPCA算法 | 第93-94页 |
| ·集成KPCA在故障检测中的应用 | 第94-95页 |
| ·TE过程仿真实验 | 第95-101页 |
| ·TE过程 | 第95-96页 |
| ·TE过程故障检测数据介绍 | 第96-98页 |
| ·数据集的处理与实验过程 | 第98-99页 |
| ·TE过程故障检测结果 | 第99-101页 |
| ·TE故障检测结果分析 | 第101页 |
| ·总结 | 第101-102页 |
| 6 集成稀疏核主角在故障检测和故障分类中的应用研究 | 第102-116页 |
| ·引言 | 第102-103页 |
| ·核主角计算 | 第103-105页 |
| ·集成稀疏核主角 | 第105-107页 |
| ·集成核主角在故障诊断中的应用研究 | 第107-110页 |
| ·集成稀疏KPA的故障检测方法 | 第107-108页 |
| ·TE过程故障诊断结果 | 第108-110页 |
| ·对集成稀疏KPA的故障检测结果的分析 | 第110页 |
| ·基于集成稀疏KPA的故障分类 | 第110-115页 |
| ·集成稀疏KPA的故障分类方法 | 第110-112页 |
| ·集成稀疏KPA的故障分类结果 | 第112-114页 |
| ·对集成稀疏KPA的故障分类结果的分析 | 第114-115页 |
| ·总结 | 第115-116页 |
| 7 总结与展望 | 第116-120页 |
| ·全文总结 | 第116-117页 |
| ·展望 | 第117-120页 |
| 参考文献 | 第120-130页 |
| 附录 | 第130页 |