| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| §1-1 EIT 问题简介 | 第10-11页 |
| §1-2 电磁场数值计算方法介绍 | 第11-16页 |
| 1-2-1 有单元法 | 第11-13页 |
| 1-2-2 无单元法 | 第13-14页 |
| 1-2-3 无单元的新方法 | 第14-16页 |
| §1-3 本文的主要内容及创新点 | 第16-18页 |
| 1-3-1 主要内容 | 第16-17页 |
| 1-3-2 主要创新点 | 第17-18页 |
| 第二章 统计学习理论和支持向量机 | 第18-37页 |
| §2-1 机器学习及其相关知识 | 第18-22页 |
| 2-1-1 机器学习模型及其描述 | 第18-19页 |
| 2-1-2 机器学习中常用术语及其解释 | 第19-20页 |
| 2-1-3 机器学习的划分 | 第20页 |
| 2-1-4 经验风险最小化原则 | 第20-22页 |
| §2-2 统计学习理论 | 第22-25页 |
| 2-2-1 VC 维 | 第22-23页 |
| 2-2-2 推广能力 | 第23-24页 |
| 2-2-3 结构风险最小化原则 | 第24-25页 |
| §2-3 支持向量机 | 第25-36页 |
| 2-3-1 支持向量分类 | 第26-32页 |
| 2-3-2 支持向量回归 | 第32-35页 |
| 2-3-3 支持向量机与传统的统计学习理论对比 | 第35-36页 |
| §2-4 本章小节 | 第36-37页 |
| 第三章 多层支持向量机及其应用研究 | 第37-47页 |
| §3-1 多层支持向量机 | 第37-38页 |
| §3-2 多层支持向量机的应用 | 第38-44页 |
| 3-2-1 多层支持向量机求解m 阶微分方程 | 第39-40页 |
| 3-2-2 仿真实验 | 第40-44页 |
| §3-3 基于支持向量机的核函数的原函数求解方法 | 第44-46页 |
| §3-4 本章小节 | 第46-47页 |
| 第四章 支持向量机求解 EIT 正问题 | 第47-66页 |
| §4-1 支持向量机求解微分方程 | 第47-60页 |
| 4-1-1 支持向量机求解微分方程 | 第48-54页 |
| 4-1-2 仿真实验 | 第54-59页 |
| 4-1-3 实验结果分析 | 第59-60页 |
| §4-2 支持向量机求解EIT 正问题 | 第60-65页 |
| 4-2-1 支持向量机求解EIT 正问题的基本原理 | 第60-61页 |
| 4-2-2 仿真实验 | 第61-65页 |
| 4-2-3 实验结果分析 | 第65页 |
| §4-3 本章小节 | 第65-66页 |
| 第五章 基于支持向量机的头组织电导率估算的研究 | 第66-85页 |
| §5-1 支持向量机解决多输入多输出问题 | 第67-71页 |
| 5-1-1 多维支持向量机 | 第67-68页 |
| 5-1-2 应用多个支持向量机解决多输入多输出问题 | 第68-69页 |
| 5-1-3 仿真实验 | 第69-71页 |
| §5-2 二维三层同心圆头模型组织电导率估算 | 第71-78页 |
| 5-2-1 二维三层同心圆模型的正向计算 | 第71-72页 |
| 5-2-2 回归估计各个组织电导率值的方法 | 第72页 |
| 5-2-3 实验结果及分析 | 第72-78页 |
| §5-3 三维四层同心球头模型组织电导率估算 | 第78-84页 |
| §5-4 本章小结 | 第84-85页 |
| 第六章 遗传支持向量回归 | 第85-96页 |
| §6-1 遗传算法综述 | 第86-90页 |
| 6-1-1 遗传算法的基本思想 | 第86-89页 |
| 6-1-2 遗传算法描述 | 第89页 |
| 6-1-3 遗传算法的特点 | 第89-90页 |
| §6-2 遗传支持向量回归 | 第90-92页 |
| §6-3 遗传支持向量机估计头组织电导率 | 第92-95页 |
| §6-4 本章小结 | 第95-96页 |
| 第七章 总结与展望 | 第96-98页 |
| §7-1 论文主要的研究成果 | 第96页 |
| §7-2 研究工作展望 | 第96-98页 |
| 参考文献 | 第98-103页 |
| 致谢 | 第103-104页 |
| 博士期间所取得的成果 | 第104-105页 |