| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·统计学习理论 | 第7-9页 |
| ·经验风险最小化原则 | 第7-8页 |
| ·结构风险最小化原则 | 第8-9页 |
| ·支持向量机基本原理 | 第9-11页 |
| ·支持向量 | 第10-11页 |
| ·核函数 | 第11页 |
| ·支持向量机算法的研究现状 | 第11-12页 |
| ·本文的主要研究工作 | 第12-15页 |
| 第二章 支持向量机理论基础及算法实现 | 第15-21页 |
| ·引言 | 第15页 |
| ·支持向量机回归原理 | 第15-18页 |
| ·核函数 | 第17页 |
| ·损失函数 | 第17-18页 |
| ·非线性映射 | 第18页 |
| ·最小二乘支持向量机原理 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 小波支持向量机算法研究 | 第21-31页 |
| ·引言 | 第21页 |
| ·小波变换 | 第21-24页 |
| ·小波变换的定义 | 第21-23页 |
| ·小波变换的特点 | 第23页 |
| ·db 小波 | 第23-24页 |
| ·小波核函数 | 第24-25页 |
| ·小波核函数的构造 | 第24-25页 |
| ·小波支持向量机算法 | 第25页 |
| ·算法性能分析 | 第25-26页 |
| ·算法收敛性分析 | 第25-26页 |
| ·算法通用性分析 | 第26页 |
| ·算法泛化能力分析 | 第26页 |
| ·函数仿真 | 第26-27页 |
| ·仿真实例分析 | 第27-29页 |
| ·聚丙烯腈的生产工艺及机理模型 | 第27页 |
| ·小波SVM 在聚丙烯腈数据建模中的应用 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 KPCA 小波支持向量机算法研究 | 第31-37页 |
| ·引言 | 第31页 |
| ·KPCA 小波支持向量机算法 | 第31-34页 |
| ·主元分析法 | 第31-32页 |
| ·核主元分析 | 第32-34页 |
| ·KPCA 小波支持向量机算法 | 第34页 |
| ·仿真实例分析 | 第34-36页 |
| ·双酚A 重整反应过程的机理模型 | 第34-35页 |
| ·KPCA 小波支持向量机算法在双酚A 重整反应数据建模中的应用 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于QPSO 的小波支持向量机的参数选择 | 第37-43页 |
| ·引言 | 第37页 |
| ·粒子群算法和量子粒子群算法原理 | 第37-40页 |
| ·标准粒子群算法简介 | 第37-38页 |
| ·量子粒子群算法 | 第38-39页 |
| ·量子粒子群算法的优点 | 第39页 |
| ·量子粒子群算法描述 | 第39-40页 |
| ·基于QPSO 的小波SVM 参数选择 | 第40-42页 |
| ·参数选择的评价标准—推广能力估计 | 第40-41页 |
| ·基于QPSO 的小波SVM 参数调整算法 | 第41页 |
| ·数值仿真 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-44页 |
| ·本文工作总结 | 第43页 |
| ·今后工作展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第48页 |