球团矿冶金性能预测的SVM改进模型研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 SVM简介 | 第9-12页 |
| 1.2 文献综述 | 第12-16页 |
| 1.2.1 SVM研究现状 | 第12-14页 |
| 1.2.2 球团矿质量预测研究现状 | 第14-16页 |
| 1.2.3 关键问题及创新点 | 第16页 |
| 1.3 研究方案 | 第16-18页 |
| 1.3.1 研究方法 | 第16-17页 |
| 1.3.2 章节结构 | 第17-18页 |
| 第2章 理论分析 | 第18-34页 |
| 2.1 最优分类超平面 | 第18-23页 |
| 2.1.1 二次规划 | 第18-20页 |
| 2.1.2 卡罗需-库恩-塔克条件 | 第20-23页 |
| 2.2 典型支持向量机核函数 | 第23-26页 |
| 2.3 支持向量机学习算法 | 第26-33页 |
| 2.3.1 SMO学习算法 | 第27-31页 |
| 2.3.2 SMO算法的实现 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 SVM算法改进 | 第34-53页 |
| 3.1 遗传算法 | 第34-40页 |
| 3.1.1 标准遗传算法 | 第34-35页 |
| 3.1.2 模式定理 | 第35-38页 |
| 3.1.3 个体、种群 | 第38-40页 |
| 3.2 一种SVM核种类自适应复合算法 | 第40-45页 |
| 3.2.1 SVM核种类复合策略及理论依据 | 第40-43页 |
| 3.2.2 SVM核种类自适应复合算法设计 | 第43-45页 |
| 3.3 一种SVM核参数自适应选取算法 | 第45-49页 |
| 3.3.1 SVM核参数选取策略 | 第45-47页 |
| 3.3.2 SVM核参数自适应选取算法设计 | 第47-49页 |
| 3.4 改进的SVM算法 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于SVM改进算法的球团矿冶金性能预测 | 第53-82页 |
| 4.1 预测样本初始样本集构建 | 第53-58页 |
| 4.1.1 实验过程及数据采集 | 第53-56页 |
| 4.1.2 初始样本集构建 | 第56-58页 |
| 4.2 初始样本信息深度挖掘 | 第58-74页 |
| 4.2.1 矿相纹理特征提取 | 第58-61页 |
| 4.2.2 矿相颜色特征提取 | 第61-63页 |
| 4.2.3 矿相分形特征提取 | 第63-66页 |
| 4.2.4 基于PCA的矿相主特征提取 | 第66-69页 |
| 4.2.5 精华样本集构建 | 第69-74页 |
| 4.3 球团矿冶金性能预测 | 第74-81页 |
| 4.3.1 预测试验设计 | 第75-76页 |
| 4.3.2 预测效果分析 | 第76-81页 |
| 4.4 本章小结 | 第81-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 导师简介 | 第90-91页 |
| 作者简介 | 第91-93页 |
| 学位论文数据集 | 第93页 |
