| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 碳纤维凝固过程的研究现状 | 第13页 |
| 1.2.2 多核支持向量机的研究现状 | 第13页 |
| 1.2.3 人工免疫算法的研究现状 | 第13-14页 |
| 1.3 论文的研究内容和创新点 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 第二章 碳纤维凝固过程及其相关建模方法 | 第17-22页 |
| 2.1 引言 | 第17页 |
| 2.2 碳纤维凝固过程及其建模方法 | 第17-20页 |
| 2.2.1 碳纤维凝固过程 | 第17-18页 |
| 2.2.2 碳纤维凝固过程的建模方法 | 第18-20页 |
| 2.3 多核支持向量机 | 第20-21页 |
| 2.3.1 基本多核支持向量机算法 | 第20页 |
| 2.3.2 多核支持向量机与单核支持向量机的对比分析 | 第20-21页 |
| 2.3.3 多核支持向量机的学习方法 | 第21页 |
| 2.4 小结 | 第21-22页 |
| 第三章 基于MKSVM的碳纤维凝固浓度的数据模型 | 第22-33页 |
| 3.1 引言 | 第22页 |
| 3.2 单核支持向量机 | 第22-24页 |
| 3.3 基于多核支持向量机（MKSVM）的数据模型 | 第24-28页 |
| 3.3.1 支持向量机的核函数 | 第24页 |
| 3.3.2 多核支持向量机模型（MKSVM） | 第24-25页 |
| 3.3.3 多核支持向量机模型（MKSVM）的学习算法 | 第25-28页 |
| 3.4 实验结果与分析 | 第28-31页 |
| 3.4.1 实验数据来源 | 第28-29页 |
| 3.4.2 训练数据分析 | 第29-30页 |
| 3.4.3 实验结果及分析 | 第30-31页 |
| 3.5 小结 | 第31-33页 |
| 第四章 基于滑动窗口多核支持向量机的动态数据模型 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 滑动窗口多核支持向量机的动态数据模型 | 第33-37页 |
| 4.2.1 动态数据聚类分析 | 第33-35页 |
| 4.2.3 滑动窗口理论 | 第35-36页 |
| 4.2.4 动态SWMKSVM算法流程 | 第36-37页 |
| 4.3 实验结果与分析 | 第37-40页 |
| 4.3.1 训练数据来源 | 第37-38页 |
| 4.3.2 训练数据聚类分析 | 第38-39页 |
| 4.3.3 动态数据模型验证 | 第39-40页 |
| 4.4 小结 | 第40-42页 |
| 第五章 基于ISAMKSVM的碳纤维凝固过程浓度变化动态数据模型 | 第42-53页 |
| 5.1 引言 | 第42页 |
| 5.2 免疫算法的分析设计 | 第42-48页 |
| 5.2.1 免疫进化算法的提出 | 第42-43页 |
| 5.2.2 免疫算法的主要运行机理 | 第43页 |
| 5.2.3 免疫进化算法及其分析设计 | 第43-48页 |
| 5.3 免疫滑动多核支持向量机的动态数据模型 | 第48-50页 |
| 5.4 实验结果与分析 | 第50-52页 |
| 5.5 小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录：攻读硕士期间发表的论文和参与的项目 | 第61页 |
