| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 噪声预测的研究现状 | 第8-9页 |
| 1.3 支持向量机的研究现状 | 第9-10页 |
| 1.4 多源数据融合技术的研究现状 | 第10-12页 |
| 1.5 本文的结构和主要研究内容 | 第12-14页 |
| 第二章 回归分析和基于遗传算法的支持向量机 | 第14-28页 |
| 2.1 回归分析 | 第14-18页 |
| 2.1.1 回归分析的概念和结构 | 第14-15页 |
| 2.1.2 回归分析对共线性的诊断和处理 | 第15-18页 |
| 2.2 支持向量机 | 第18-27页 |
| 2.2.1 支持向量机的基本概念 | 第18-19页 |
| 2.2.2 支持向量回归机 | 第19-22页 |
| 2.2.3 支持向量机的核函数 | 第22-24页 |
| 2.2.4 基于遗传算法的支持向量回归 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 多源数据融合和信息熵 | 第28-41页 |
| 3.1 多源数据融合技术 | 第28-36页 |
| 3.1.1 多源数据融合的概念 | 第28-30页 |
| 3.1.2 多源数据融合应用的数学基础 | 第30-33页 |
| 3.1.3 多源数据融合的结构 | 第33-34页 |
| 3.1.4 多源数据融合的层次 | 第34-36页 |
| 3.2 信息熵 | 第36-40页 |
| 3.2.1 信息熵的概念 | 第36-37页 |
| 3.2.2 奇异谱熵 | 第37-38页 |
| 3.2.3 功率谱熵 | 第38-39页 |
| 3.2.4 小波能谱熵和小波空间谱熵 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 基于改进GA-SVR气动噪声特征级数据融合预测 | 第41-59页 |
| 4.1 气动噪声的预测思想 | 第41-42页 |
| 4.1.1 基于非声学参数的预测思想 | 第41页 |
| 4.1.2 基于改进GA-SVR数据融合的思想 | 第41-42页 |
| 4.2 基于GA-SVR的改进 | 第42-43页 |
| 4.3 气动噪声特征级融合预测模型 | 第43-44页 |
| 4.4 气动噪声特征级融合预测流程 | 第44-58页 |
| 4.4.1 噪声数据的采集 | 第44-47页 |
| 4.4.2 基于回归分析的数据诊断 | 第47-52页 |
| 4.4.3 基于信息熵的特征量提取 | 第52-53页 |
| 4.4.4 基于改进GA-SVR的特征级融合预测结果及分析 | 第53-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于改进GA-SVR结构噪声特征级数据融合预测 | 第59-68页 |
| 5.1 结构噪声预测的思想 | 第59页 |
| 5.2 结构噪声特征级融合预测模型 | 第59-60页 |
| 5.3 结构噪声特征级融合预测流程 | 第60-67页 |
| 5.3.1 振噪数据的采集 | 第60-61页 |
| 5.3.2 数据处理和特征量提取 | 第61-62页 |
| 5.3.3 基于改进GA-SVR的特征级融合预测结果及分析 | 第62-67页 |
| 5.4 小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文 | 第74-75页 |
| 致谢 | 第75-77页 |
