摘要 | 第1-7页 |
Abstract | 第7-12页 |
第1章 绪论 | 第12-35页 |
·支持向量回归机 | 第12-19页 |
·统计学习理论 | 第12-15页 |
·支持向量回归机算法 | 第15-19页 |
·支持向量回归机算法研究 | 第19-22页 |
·支持向量回归机的若干形态 | 第19-21页 |
·支持向量回归机的训练算法 | 第21-22页 |
·支持向量回归机应用现状 | 第22-30页 |
·支持向量回归机在系统辨识与建模中的应用 | 第22-24页 |
·支持向量回归机在软测量中的应用 | 第24-26页 |
·支持向量回归机在预测控制中的应用 | 第26-30页 |
·本论文立意 | 第30-33页 |
·大样本的训练研究 | 第30页 |
·维数约简的研究 | 第30-31页 |
·模型选择的研究 | 第31-32页 |
·系统动态辨识与建模的研究 | 第32-33页 |
·本文主要研究内容及安排 | 第33-35页 |
第2章 支持向量回归机的边界向量提取与特征选择 | 第35-49页 |
·引言 | 第35页 |
·支持向量回归机的边界向量提取方法研究 | 第35-40页 |
·线性规划支持向量回归的特点 | 第35-37页 |
·核空间中回归问题的几何方法 | 第37页 |
·基于核空间的支持向量回归机边界向量提取 | 第37-38页 |
·支持向量回归机的边界向量提取仿真研究 | 第38-40页 |
·基于量子聚类的特征选择 | 第40-47页 |
·量子聚类算法描述 | 第41-42页 |
·基于量子聚类的特征选择算法 | 第42-43页 |
·基于量子聚类的特征选择仿真研究 | 第43-47页 |
·本章小结 | 第47-49页 |
第3章 支持向量回归机的参数选择 | 第49-65页 |
·引言 | 第49页 |
·基于自适应粒子群算法的支持向量回归机参数选择 | 第49-53页 |
·自适应粒子群算法 | 第49-51页 |
·基于自适应粒子群算法的支持向量回归机参数选择仿真研究 | 第51-53页 |
·基于模糊文化算法的支持向量回归机参数选择 | 第53-59页 |
·模糊文化算法 | 第53-56页 |
·基于模糊文化算法的支持向量回归机参数选择仿真研究 | 第56-59页 |
·支持向量回归机的惩罚参数C加权 | 第59-63页 |
·支持向量回归机的惩罚参数C加权算法 | 第59-60页 |
·支持向量回归机的惩罚参数C加权算法仿真研究 | 第60-63页 |
·本章小结 | 第63-65页 |
第4章 支持向量回归机核函数的构造 | 第65-86页 |
·引言 | 第65-66页 |
·改进的保角变换核函数 | 第66-76页 |
·保角变换的基本理论 | 第67页 |
·改进的保角变换核函数算法 | 第67-68页 |
·改进的保角变换核函数仿真研究 | 第68-76页 |
·基于模型选择的多尺度小波核函数 | 第76-85页 |
·多尺度小波核函数尺度个数的确定 | 第76-77页 |
·小波核宽度的确定 | 第77-78页 |
·其它模型参数的确定 | 第78页 |
·基于模型选择的多尺度小波核函数仿真研究 | 第78-85页 |
·本章小结 | 第85-86页 |
第5章 支持向量回归机的动态建模 | 第86-97页 |
·引言 | 第86页 |
·多输入多输出系统的动态建模 | 第86-95页 |
·多输入多输出系统的支持向量回归机动态建模 | 第87页 |
·基于ν-线性规划支持向量回归机的动态模型 | 第87-89页 |
·支持向量回归机的动态模型仿真研究 | 第89-95页 |
·本章小结 | 第95-97页 |
第6章 基于支持向量回归机的非线性预测控制 | 第97-106页 |
·引言 | 第97页 |
·基于支持向量回归机动态模型的非线性预测控制 | 第97-105页 |
·基于支持向量回归机的非线性系统动态建模 | 第97-98页 |
·非线性系统的线性化表示 | 第98-99页 |
·非线性系统的单步预测控制 | 第99页 |
·基于支持向量回归机的非线性预测控制算法基本步骤 | 第99页 |
·基于支持向量回归机的非线性预测控制仿真研究 | 第99-105页 |
·本章小结 | 第105-106页 |
第7章 总结与展望 | 第106-108页 |
·全文工作总结 | 第106-107页 |
·进一步的研究工作和展望 | 第107-108页 |
参考文献 | 第108-120页 |
致谢 | 第120-121页 |
攻读博士学位期间发表论文和科研情况 | 第121-122页 |