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 |