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

改进型支持向量回归机及其在过程建模与控制中的应用

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

论文共122页,点击 下载论文
上一篇:当代中国利益和谐研究
下一篇:小分子稠环芳烃类有机电致发光材料的合成和性能研究