| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-29页 |
| ·课题背景及研究意义 | 第13-14页 |
| ·支持向量机的研究现状 | 第14-27页 |
| ·支持向量机的训练算法 | 第14-19页 |
| ·支持向量机的扩展 | 第19-21页 |
| ·支持向量机的模型选择 | 第21-26页 |
| ·支持向量机存在的问题 | 第26-27页 |
| ·本文的主要研究内容 | 第27-29页 |
| 第2章 小波核函数的构建与参数选择 | 第29-55页 |
| ·引言 | 第29-30页 |
| ·机器学习问题 | 第30-31页 |
| ·支持向量机 | 第31-37页 |
| ·支持向量机的标准形式 | 第31-33页 |
| ·正则化与结构风险最小化原则 | 第33-35页 |
| ·核函数 | 第35-36页 |
| ·统计学习理论 | 第36-37页 |
| ·小波核函数的构建 | 第37-47页 |
| ·小波 | 第38页 |
| ·小波核函数的构建 | 第38-42页 |
| ·小波支持向量机的参数选择 | 第42-47页 |
| ·仿真 | 第47-54页 |
| ·本章小结 | 第54-55页 |
| 第3章 支持向量机的序列最小优化算法 | 第55-71页 |
| ·引言 | 第55-56页 |
| ·最优化理论 | 第56-60页 |
| ·最优化问题和最优性条件 | 第56-58页 |
| ·对偶理论 | 第58-60页 |
| ·序列最小优化算法 | 第60-62页 |
| ·两个变量优化问题的解析解 | 第60-62页 |
| ·两个训练点的选取 | 第62页 |
| ·序列最小优化算法的改进 | 第62-66页 |
| ·仿真 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第4章 支持向量机的在线训练算法 | 第71-83页 |
| ·引言 | 第71-72页 |
| ·核AdaTron算法 | 第72-76页 |
| ·感知机与核AdaTron | 第72-74页 |
| ·核AdaTron与SMO算法的等价性 | 第74-76页 |
| ·在线贪婪算法的改进 | 第76-80页 |
| ·仿真 | 第80-82页 |
| ·本章小节 | 第82-83页 |
| 第5章 基于支持向量机的直升机仿真模型 | 第83-103页 |
| ·引言 | 第83-84页 |
| ·基于支持向量机的非线性动态系统辨识 | 第84-86页 |
| ·直升机旋翼自转着陆过程的旋翼转速仿真模型的建立 | 第86-89页 |
| ·直升机旋翼受力分析 | 第86-87页 |
| ·直升机旋翼自转着陆过程的操作 | 第87-88页 |
| ·基于SVM的直升机旋翼自转着陆过程的旋翼转速仿真模型 | 第88-89页 |
| ·直升机鱼跃运动仿真模型的建立 | 第89-92页 |
| ·直升机的控制输入与状态输出变量 | 第89-90页 |
| ·基于支持向量机的直升机鱼跃运动仿真模型 | 第90-92页 |
| ·飞行数据及其预处理 | 第92-96页 |
| ·飞行数据 | 第92-93页 |
| ·飞行数据的野值剔除 | 第93-94页 |
| ·飞行数据的高频滤波 | 第94-95页 |
| ·飞行数据的微分平滑 | 第95-96页 |
| ·模型的仿真验证 | 第96-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-117页 |
| 攻读学位期间发表的学术论文 | 第117-119页 |
| 致谢 | 第119-120页 |
| 个人简历 | 第120页 |