支持向量机及其在控制中的应用研究

摘要	第1-6页
Abstract	第6-8页
致谢	第8-10页
目录	第10-14页
第一章 绪论	第14-44页
·统计学习理论发展概述	第14-16页
·统计学习理论中的一些基本概念	第14-15页
·统计学习理论的发展历史	第15-16页
·统计学习理论的基本内容	第16-23页
·机器学习的基本问题	第16-19页
·统计学习理论的核心内容	第19-23页
·支持向量机概述	第23-28页
·支持向量机理论	第23-25页
·支持向量机	第25-26页
·核函数	第26-27页
·用于回归函数估计的SVM	第27-28页
·研究现状	第28-42页
·支持向量机训练算法的研究	第28-35页
·关于支持向量机研究	第35-38页
·关于支持向量机应用的研究	第38-42页
·本文主要内容	第42-44页
第二章 应用于回归估计的模糊SVM	第44-56页
·引言	第44-45页
·基于模糊加权的广义支持向量机	第45-51页
·模糊加权广义支持向量机	第45-47页
·用于广义支持向量机的超松弛法	第47-49页
·数值仿真	第49-51页
·基于模糊的最小二乘多层广义支持向量机	第51-55页
·模糊逻辑系统的建立	第51-52页
·最小二乘多层广义支持向量机	第52-53页
·实验示例	第53-55页
·结论	第55-56页
第三章 应用于多类回归的SVM	第56-78页
·引言	第56-57页
·基于SVM的模糊C-回归模型	第57-63页
·应用于多类回归问题的模糊聚类及SVM	第57-61页
·数值仿真	第61-63页
·基于LS-SVM的模糊C回归模型	第63-69页
·多类回归模型的模糊聚类及LS-SVM估计	第63-66页
·数值仿真	第66-69页
·多输入多输出系统的SVM	第69-73页
·多输入多输出系统的SVM	第69-71页
·数值仿真	第71-73页
·多输入多输出系统的LS-SVM	第73-76页
·多输入多输出系统的LS-SVM	第73-74页
·数值仿真	第74-76页
·结论	第76-78页
第四章 基于加权最小二乘广义支持向量机的最优控制	第78-90页
·引言	第78-79页
·N步最优控制问题	第79-80页
·采用广义支持向量机的最优控制	第80-83页
·数字仿真	第83-89页
·结论	第89-90页
第五章 基于SVM的软测量技术在生物发酵中的应用	第90-102页
·引言	第90页
·生物发酵过程参数概述	第90-93页
·基于SVM的软测量技术	第93-96页
·基于广义SVM的软测量技术	第93-95页
·实验示例	第95-96页
·基于最小二乘广义SVM的软测量技术	第96-100页
·基于最小二乘广义SVM的软测量仪	第96-99页
·实验示例	第99-100页
·结论	第100-102页
第六章 支持向量机在微生物发酵故障诊断中的应用	第102-120页
·关联向量机在微生物发酵传感器故障诊断中的应用	第102-111页
·引言	第102-103页
·关联向量机观测器产生残差	第103-106页
·关联向量机诊断器	第106-107页
·阿维菌素发酵的故障诊断	第107-111页
·基于多层支持向量机的微生物发酵故障诊断	第111-118页
·引言	第111页
·特征空间的主元分析	第111-113页
·核PCA	第113页
·多层支持向量机	第113-114页
·基于非线性PCA的多层支持向量机诊断器	第114-116页
·阿维菌素的故障诊断	第116-118页
·结论	第118-120页
第七章 总结与展望	第120-122页
参考文献	第122-137页
附录	第137-138页