首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

智能优化算法在发酵过程建模中的应用研究

摘要第1-4页
ABSTRACT第4-8页
第一章 绪论第8-16页
   ·课题的背景及研究意义第8-9页
   ·软测量建模技术研究概述第9-11页
     ·软测量的建模方法第10-11页
     ·基于支持向量机的软测量模型第11页
   ·智能优化算法的研究概况第11-14页
     ·遗传算法第12-13页
     ·群体智能算法第13页
     ·粒子群优化算法第13-14页
   ·本课题研究的主要内容第14-16页
第二章 求解约束优化问题的粒子群算法第16-30页
   ·引言第16页
   ·粒子群优化算法第16-20页
     ·粒子群算法概述第16-17页
     ·基本粒子群算法第17-19页
     ·粒子群算法参数的讨论及边界控制第19-20页
   ·求解约束优化问题的粒子群算法第20-27页
     ·约束优化的定义第20-21页
     ·约束优化算法的研究概况第21-23页
     ·求解等式约束的LPSO 算法第23-24页
     ·基于聚类分析的粒子群算法第24-25页
     ·收敛性分析第25-27页
   ·数值实验第27-29页
   ·本章小结第29-30页
第三章 基于CLPSO 的支持向量机训练算法第30-41页
   ·引言第30页
   ·支持向量机简介第30-33页
     ·支持向量机原理第30-32页
     ·支持向量机的特点第32-33页
   ·传统的支持向量机训练算法第33-35页
     ·最优化问题的Kuhu-Tucker 条件第33-34页
     ·序列最小优化算法第34-35页
   ·运用CLPSO 训练SVM 的步骤第35-37页
     ·粒子的初始化第35-36页
     ·确定适应度函数第36页
     ·算法流程图第36-37页
   ·算法验证第37-40页
     ·SVM 重要参数的选择第38页
     ·CLPSO 初始化参数的选择第38-39页
     ·仿真结果第39-40页
   ·本章小结第40-41页
第四章 智能预估模型在谷氨酸发酵过程中的应用探讨第41-51页
   ·引言第41页
   ·发酵过程参数描述第41-42页
   ·谷氨酸发酵过程简介第42页
   ·谷氨酸发酵过程建模第42-44页
     ·数据预处理第43-44页
     ·发酵过程建模输入变量的选择第44页
   ·基于CLPSO-SVM 谷氨酸发酵过程建模第44-50页
     ·CLPSO 初始化参数选择第44-47页
     ·SVM 参数的确定第47-48页
     ·实验结果第48-50页
   ·本章小结第50-51页
第五章 总结与展望第51-53页
   ·论文总结第51页
   ·研究展望第51-53页
致谢第53-54页
参考文献第54-61页
附录:作者在攻读硕士学位期间发表的论文第61页

论文共61页,点击 下载论文
上一篇:基于自联想神经网络的故障诊断方法在发酵过程中的应用
下一篇:嵌入式机器视觉测控系统--一体机的研究与开发