| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·课题背景及研究的意义 | 第10-11页 |
| ·板形控制的研究现状 | 第11-16页 |
| ·板形模式识别研究现状 | 第11-13页 |
| ·板形预测研究现状 | 第13-14页 |
| ·板形智能控制研究现状 | 第14-16页 |
| ·现有智能方法存在的问题 | 第16页 |
| ·支持向量机发展简介 | 第16-19页 |
| ·本文的主要研究内容和结构 | 第19-21页 |
| 第2章 支持向量机理论及改进的LS-SVR算法 | 第21-32页 |
| ·概述 | 第21-22页 |
| ·统计学习理论 | 第22-24页 |
| ·机器学习的基本问题 | 第22-23页 |
| ·统计学习理论核心内容 | 第23-24页 |
| ·支持向量回归机算法 | 第24-28页 |
| ·支持向量回归机 | 第24-26页 |
| ·核函数 | 第26页 |
| ·最小二乘支持向量回归机算法 | 第26-28页 |
| ·改进的LS-SVR算法--MLSSVR | 第28-29页 |
| ·MLSSVR超参数智能优化方法 | 第29-31页 |
| ·快速k-折交叉确认 | 第29-30页 |
| ·MLSSVR超参数优化 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于 MLSSVR 的板形模式识别研究 | 第32-42页 |
| ·概述 | 第32页 |
| ·板形基本模式 | 第32-34页 |
| ·基于MLSSVR的板形模式识别模型的建立 | 第34-36页 |
| ·基于MLSVR的板形模式识别模型的结构 | 第34-35页 |
| ·板形模式识别的步骤 | 第35-36页 |
| ·板形模式识别仿真实验分析 | 第36-41页 |
| ·基于MLSSVR的板形模式识别模型仿真实验与分析 | 第36-40页 |
| ·MLSSVR识别模型与 LSSVR 组合识别模型仿真实验比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于MLSSVR的板形预测模型研究 | 第42-48页 |
| ·概述 | 第42页 |
| ·板形预测模型的建立 | 第42-44页 |
| ·板形预测仿真实验 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于MLSSVR的板形控制方法研究 | 第48-59页 |
| ·概述 | 第48页 |
| ·基于MLSSVR的板形影响矩阵控制方法 | 第48-51页 |
| ·影响矩阵 | 第48-50页 |
| ·基于MLSSVR的影响矩阵计算 | 第50页 |
| ·板形的影响矩阵控制方法 | 第50-51页 |
| ·基于MLSSVR的板形预测控制 | 第51-53页 |
| ·预测控制 | 第51-52页 |
| ·板形预测控制系统设计 | 第52-53页 |
| ·基于MLSSVR的板形影响矩阵--预测控制方法 | 第53页 |
| ·仿真实验 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |