| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 全文主要内容和安排 | 第10-13页 |
| 第二章 最小二乘支持向量机 | 第13-23页 |
| 2.1 SVM理论简介 | 第13-15页 |
| 2.2 LSSVM基本原理 | 第15-17页 |
| 2.3 LSSVM与SVM的实验仿真分析 | 第17-19页 |
| 2.4 4-CBA工业数据仿真 | 第19-22页 |
| 2.4.1 PTA生产工艺简介 | 第19页 |
| 2.4.2 基于LSSVM的 4-CBA软测量建模 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于二步网格搜索法的LSSVM参数优化 | 第23-35页 |
| 3.1 参数对模型的影响 | 第23-30页 |
| 3.1.1 正则化参数对模型的影响 | 第23-27页 |
| 3.1.2 核参数对模型的影响 | 第27-30页 |
| 3.2 网格搜索法 | 第30-31页 |
| 3.3 二步网格搜索法 | 第31-34页 |
| 3.3.1 二步网格搜索法原理 | 第31-32页 |
| 3.3.2 4-CBA工业数据仿真 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 改进的加权LSSVM建模方法研究 | 第35-40页 |
| 4.1 改进的加权LSSVM算法原理 | 第35-37页 |
| 4.2 实验仿真及分析 | 第37-38页 |
| 4.3 4-CBA工业数据仿真 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 LSSVM的稀疏化处理 | 第40-53页 |
| 5.1 引言 | 第40-41页 |
| 5.2 遗传算法简介 | 第41-44页 |
| 5.3 基于遗传算法的LSSVM稀疏化 | 第44-46页 |
| 5.4 4-CBA工业数据仿真 | 第46-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |