| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·非线性系统的辨识 | 第8-10页 |
| ·支持向量机在辨识问题中的研究 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 2 基于支持向量机的 CSTR 辨识建模 | 第13-39页 |
| ·对象描述 | 第13-14页 |
| ·支持向量机回归 | 第14-21页 |
| ·线性支持向量回归 | 第14-17页 |
| ·核函数 | 第17-18页 |
| ·非线性支持向量回归 | 第18-19页 |
| ·支持向量机训练算法 | 第19-21页 |
| ·基于支持向量回归的CSTR 建模 | 第21-23页 |
| ·参数对辨识模型的影响分析 | 第23-37页 |
| ·核函数选取对建模影响实验分析 | 第23-31页 |
| ·惩罚系数C 实验分析 | 第31-34页 |
| ·不敏感系数ε实验分析 | 第34-37页 |
| ·最优参数组合 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 3 基于加权支持向量机的 CSTR 辨识研究 | 第39-53页 |
| ·孤立点数据对经典支持向量机的影响 | 第39-40页 |
| ·加权支持向量机算法 | 第40-41页 |
| ·基于数据域描述的加权支持向量机 | 第41-44页 |
| ·支持向量数据域描述（SVDD） | 第41-42页 |
| ·基于数据域描述的加权系数模型 | 第42-44页 |
| ·基于数据域描述的加权支持向量机辨识 | 第44-45页 |
| ·噪声孤立点数据仿真实验 | 第45-51页 |
| ·训练集对比 | 第46-48页 |
| ·测试集对比 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 4 基于小波变换支持向量机 CSTR 模型辨识研究 | 第53-67页 |
| ·小波理论及小波变换 | 第53-57页 |
| ·小波变换原理 | 第53-54页 |
| ·多分辨率分析 | 第54-55页 |
| ·常用小波函数 | 第55-57页 |
| ·基于小波变换支持向量机辨识 | 第57-61页 |
| ·小波变换支持向量机辨识思想 | 第57-58页 |
| ·小波阈值消噪 | 第58-61页 |
| ·辨识步骤 | 第61页 |
| ·噪声孤立点数据仿真实验 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第75页 |
| B. 作者在攻读硕士学位期间取得的科研成果目录 | 第75页 |