| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题背景及意义 | 第7-10页 |
| ·传统统计学与经验风险最小化准则 | 第8页 |
| ·统计学习理论与结构风险最小化准则 | 第8-9页 |
| ·VC 维 | 第9-10页 |
| ·支持向量机的特点 | 第10-11页 |
| ·支持向量机国内外研究现状 | 第11-12页 |
| ·论文结构安排 | 第12-15页 |
| 第二章 标准支持向量机算法介绍 | 第15-23页 |
| ·引言 | 第15页 |
| ·支持向量分类机 | 第15-17页 |
| ·支持向量回归机 | 第17-20页 |
| ·线性支持向量回归机 | 第17-19页 |
| ·核函数 | 第19页 |
| ·非线性支持向量回归机 | 第19-20页 |
| ·支持向量机属性分析 | 第20-21页 |
| ·本章小节 | 第21-23页 |
| 第三章 混合核支持向量机在化工软测量中的应用研究 | 第23-29页 |
| ·引言 | 第23页 |
| ·核函数介绍 | 第23-24页 |
| ·混合核函数方法 | 第24-26页 |
| ·混合核支持向量回归法在双酚A 软测量建模中的仿真研究 | 第26-28页 |
| ·工艺分析 | 第26页 |
| ·模型的建立 | 第26-28页 |
| ·本章小节 | 第28-29页 |
| 第四章 基于CPSO 的混合核支持向量机参数选择及其应用 | 第29-35页 |
| ·引言 | 第29页 |
| ·参数选择的评价标准——推广能力估计 | 第29-30页 |
| ·混沌粒子群优化算法的原理 | 第30-31页 |
| ·基于混沌粒子群的混合核支持向量机参数优化算法 | 第31-32页 |
| ·混合核参数优化方法在双酚A 软测量建模中的仿真研究 | 第32-34页 |
| ·本章小节 | 第34-35页 |
| 第五章 LDA 算法的改进及其在FCM 中的应用 | 第35-41页 |
| ·引言 | 第35页 |
| ·模糊C-均值聚类算法 | 第35-36页 |
| ·经典线性判别法及其改进 | 第36-38页 |
| ·基于SVM 多模型的建模步骤 | 第38页 |
| ·模型建立及仿真 | 第38-40页 |
| ·工艺分析 | 第38-39页 |
| ·模型的建立 | 第39-40页 |
| ·本章小节 | 第40-41页 |
| 第六章 总结与展望 | 第41-43页 |
| ·本文工作总结 | 第41页 |
| ·今后工作展望 | 第41-43页 |
| 致谢 | 第43-45页 |
| 参考文献 | 第45-51页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第51页 |
