| 摘要 | 第1-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第16-33页 |
| ·机器学习和Kernel学习机 | 第17-20页 |
| ·机器学习 | 第17-19页 |
| ·Kernel学习机 | 第19-20页 |
| ·统计学习理论和正则化网络 | 第20-26页 |
| ·统计学习理论 | 第21-23页 |
| ·SVM应用特性 | 第23-25页 |
| ·正则化理论 | 第25-26页 |
| ·KM研究回顾 | 第26-28页 |
| ·面向算法的回顾 | 第26-27页 |
| ·面向应用的回顾 | 第27-28页 |
| ·本文的工作 | 第28-33页 |
| ·基本框架结构 | 第28-30页 |
| ·主要的创新性研究 | 第30-31页 |
| ·相关领域 | 第31-33页 |
| 第二章 PKPCA:融合先验类别信息的非线性主元分析算法 | 第33-43页 |
| ·引言 | 第34页 |
| ·PKPCA算法 | 第34-38页 |
| ·先验类别信息的融入 | 第34-35页 |
| ·样本库重构 | 第35-36页 |
| ·进行Kernel转换，求取特征方程 | 第36-37页 |
| ·分界阈值点和LS-SVM分类器 | 第37-38页 |
| ·与KPCA和KFD的关系 | 第38-39页 |
| ·仿真与实验分析 | 第39-42页 |
| ·数值仿真研究 | 第39-41页 |
| ·试验研究 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第三章 动态时间序列建模与预报 | 第43-56页 |
| ·RKRLS动态法 | 第44-49页 |
| ·引言 | 第44-45页 |
| ·RLS算法的核变换和正则化 | 第45-46页 |
| ·RKRLS的三种快速递推算法 | 第46-48页 |
| ·限定记忆模式 | 第47页 |
| ·增长记忆模式 | 第47-48页 |
| ·缩减记忆模式 | 第48页 |
| ·总结 | 第48-49页 |
| ·RSVM算法研究 | 第49-53页 |
| ·引言 | 第49页 |
| ·RSVM算法和DSV的三个条件 | 第49-52页 |
| ·RSVM的优化目标 | 第49-50页 |
| ·动态支持向量及条件 | 第50-52页 |
| ·总结 | 第52-53页 |
| 附录 | 第53-56页 |
| 第四章 矢量基学习网络及在辨识的应用 | 第56-74页 |
| ·矢量基学习算法及在辨识建模中的应用研究 | 第58-65页 |
| ·引言 | 第58页 |
| ·目标函数和BV的选择判据 | 第58-61页 |
| ·VBL增长、校正算法及步骤 | 第61-63页 |
| ·增长模式 | 第62页 |
| ·校正模式 | 第62-63页 |
| ·仿真分析 | 第63-65页 |
| ·结论 | 第65页 |
| ·矢量基学习网络及在非线性辨识建模的应用 | 第65-74页 |
| ·引言 | 第65-66页 |
| ·VBL网络结构、目标函数及NB判据 | 第66-67页 |
| ·VBL网络的增长、反向传播与校正算法 | 第67-70页 |
| ·节点增长算法 | 第68页 |
| ·反向传播算法 | 第68-69页 |
| ·权值的校正算法 | 第69-70页 |
| ·仿真分析 | 第70-73页 |
| ·结论 | 第73-74页 |
| 第五章 矢量基学习网络及在建模和分类的应用 | 第74-88页 |
| ·引言 | 第75-76页 |
| ·矢量基学习网络基本结构 | 第76-77页 |
| ·MIMO基矢量学习网络算法及步骤 | 第77-83页 |
| ·梯度下降算法 | 第77-81页 |
| ·网络节点生成算法 | 第81页 |
| ·限定记忆算法 | 第81-83页 |
| ·仿真 | 第83-85页 |
| ·分类仿真 | 第83-84页 |
| ·辨识建模 | 第84-85页 |
| ·与LS-SVM仿真比较 | 第85-87页 |
| ·结论 | 第87-88页 |
| 第六章 矢量基认知模型及哲学思考 | 第88-105页 |
| ·认知的模型 | 第89-92页 |
| ·认知世界的信息加工理论 | 第89-90页 |
| ·认知模型 | 第90-92页 |
| ·认知的矢量基模型 | 第92-99页 |
| ·几个问题 | 第92-93页 |
| ·矢量基学习网络的思想 | 第93页 |
| ·矢量基学习网络层次结构 | 第93-94页 |
| ·矢量基学习网络映射空间 | 第94-95页 |
| ·矢量基认知算法 | 第95-96页 |
| ·神经元的算法 | 第95-96页 |
| ·权值训练的算法 | 第96页 |
| ·认知的仿真分析 | 第96-99页 |
| ·哲学思考和启示 | 第99-105页 |
| ·哲学思考 | 第99-103页 |
| ·启示 | 第103-104页 |
| ·总结 | 第104-105页 |
| 第七章 工程应用:橡胶密炼建模、预报和控制 | 第105-123页 |
| ·橡胶密炼简介 | 第105-110页 |
| ·混炼机理 | 第106页 |
| ·密炼排胶控制 | 第106-108页 |
| ·橡胶密炼建模 | 第108-109页 |
| ·试验说明 | 第109-110页 |
| ·SVM排胶建模 | 第110-114页 |
| ·SVM排胶建模的工业特性 | 第110-111页 |
| ·SVM排胶应用 | 第111-114页 |
| ·小结 | 第114页 |
| ·动态跟踪预报 | 第114-117页 |
| ·RKRLS动态预报 | 第115页 |
| ·RSVM动态预报 | 第115-116页 |
| ·小结 | 第116-117页 |
| ·辨识建模研究 | 第117-119页 |
| ·矢量基网络进行辨识建模 | 第117-119页 |
| ·小结 | 第119页 |
| ·两栖智能密炼系统 | 第119-123页 |
| ·控制方式的选择 | 第119-120页 |
| ·排胶建模 | 第120-121页 |
| ·导入建模数据 | 第120-121页 |
| ·建模 | 第121页 |
| ·动态预报 | 第121-122页 |
| ·与本文工作有关的结题说明 | 第122-123页 |
| 第八章 总结与展望 | 第123-128页 |
| 参考文献 | 第128-140页 |
| 参考网址 | 第140-142页 |
| 致谢 | 第142-144页 |
| 发表论文和参与的课题 | 第144-146页 |
| 作者简介 | 第146页 |