基于多信息融合的复杂工业过程广义知识模型研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题研究的背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·多信息融合技术 | 第13-14页 |
| ·支持向量机分类方法 | 第14-18页 |
| ·本文的主要工作和章节安排 | 第18-19页 |
| 第2章 多信息融合的理论与方法 | 第19-36页 |
| ·引言 | 第19页 |
| ·多信息融合的一般概念与定义 | 第19-21页 |
| ·多信息融合分类 | 第21-27页 |
| ·按融合技术分类 | 第21-23页 |
| ·按融合判决方式分类 | 第23页 |
| ·按传感器组合方式分类 | 第23页 |
| ·按信息融合处理层次分类 | 第23-25页 |
| ·按信息融合结构模型分类 | 第25-27页 |
| ·多信息融合算法 | 第27-35页 |
| ·多信息融合的概率论 | 第28-29页 |
| ·多信息融合的推理网络 | 第29页 |
| ·多信息融合的神经网络 | 第29-30页 |
| ·多信息融合的支持向量机 | 第30-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 复杂工业过程广义知识模型的一般问题 | 第36-47页 |
| ·引言 | 第36-37页 |
| ·广义知识模型 | 第37-41页 |
| ·现代复杂工业的基本模型化结构 | 第38页 |
| ·复杂工业广义知识模型化原则与方法 | 第38-41页 |
| ·相关概念的定义 | 第41-42页 |
| ·广义知识模型 | 第42-44页 |
| ·解决的问题 | 第44-47页 |
| 第4章 基于支持向量机的决策树多类分类模型 | 第47-65页 |
| ·引言 | 第47-48页 |
| ·几种常用的支持向量机多分类方法 | 第48-54页 |
| ·直接构造多类分类器方法 | 第48-49页 |
| ·“一对一”多类分类算法 | 第49-51页 |
| ·“一对余”多类分类算法 | 第51-52页 |
| ·有向无环图方法多类分类算法 | 第52-53页 |
| ·二叉树方法 | 第53-54页 |
| ·改进的决策树支持向量机多类分类方法 | 第54-60页 |
| ·基于向量投影概率分布法的支持向量预选取 | 第54-59页 |
| ·类间可分性测度 | 第59页 |
| ·分类器层次结构确定 | 第59-60页 |
| ·数据实验研究 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 典型复杂工业过程的数据实验结果及其分析 | 第65-73页 |
| ·引言 | 第65-66页 |
| ·污水处理工艺流程及监控数据 | 第66-71页 |
| ·污水处理工艺流程介绍 | 第66-67页 |
| ·污水处理监控数据 | 第67-71页 |
| ·SVM 用于污水处理厂日常监控的数据进行实验 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 致谢 | 第80页 |
