基于稀疏化支持向量机的啤酒酿造过程故障诊断的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 故障诊断技术 | 第10-11页 |
| 1.2.1 故障诊断技术内容 | 第10-11页 |
| 1.2.2 故障诊断方法 | 第11页 |
| 1.3 基于支持向量机的故障诊断方法 | 第11-12页 |
| 1.4 啤酒生产过程工艺及设备 | 第12-16页 |
| 1.4.1 啤酒发酵过程及生产工艺 | 第12-13页 |
| 1.4.2 啤酒发酵过程装置 | 第13-15页 |
| 1.4.3 传感器故障与啤酒发酵 | 第15-16页 |
| 1.5 本文主要研究内容及论文结构安排 | 第16-17页 |
| 第2章 支持向量机理论基础及核空间聚类 | 第17-29页 |
| 2.1 支持向量机 | 第17-20页 |
| 2.2 最小二乘支持向量机 | 第20-23页 |
| 2.3 核函数 | 第23-24页 |
| 2.4 聚类分析 | 第24-27页 |
| 2.4.1 发展情况 | 第24-25页 |
| 2.4.2 聚类分析分类 | 第25-26页 |
| 2.4.3 核空间聚类算法 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于粒子群算法机支持向量机的参数寻优 | 第29-36页 |
| 3.1 支持向量机的参数寻优 | 第29页 |
| 3.2 粒子群算法 | 第29-30页 |
| 3.3 基于PSO优化的LS-SVM参数寻优 | 第30-32页 |
| 3.4 仿真实验 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于聚类的稀疏化算法设计 | 第36-48页 |
| 4.1 最小二乘支持向量机稀疏化 | 第36-38页 |
| 4.2 基于核空间聚类的稀疏算法。 | 第38-42页 |
| 4.2.1 算法描述 | 第39-41页 |
| 4.2.2 故障诊断算法步骤 | 第41-42页 |
| 4.3 仿真实验 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士研究生期间取得的学术成果 | 第53-54页 |
| 致谢 | 第54页 |
