首页--工业技术论文--一般工业技术论文--工程基础科学论文--工程数学论文--概率论、数理统计的应用论文

基于支持向量回归机的复杂过程响应曲面法研究

中文摘要第1-3页
ABSTRACT第3-12页
第一章 绪论第12-32页
   ·研究背景与意义第12-14页
   ·问题提出第14-15页
   ·研究现状综述第15-25页
   ·存在问题第25-26页
   ·研究目的与研究方法第26-28页
   ·研究内容与技术路线第28-30页
   ·研究的创新点第30-31页
   ·本文的组织结构第31-32页
第二章 统计学习理论与支持向量机第32-51页
   ·机器学习的基本模型及描述第32-33页
   ·统计学习理论的核心思想第33-38页
     ·经验风险最小化原则第33-34页
     ·学习过程的一致性第34-35页
     ·函数集的学习性能和推广性的界第35-36页
     ·结构风险最小化原则第36-38页
   ·支持向量机第38-50页
     ·用于分类的支持向量机第38-42页
     ·用于回归的支持向量机第42-46页
     ·支持向量机的稀疏性第46页
     ·ε管道模型第46-47页
     ·支持向量机参数的选择第47-50页
   ·本章小结第50-51页
第三章 基于SVR的复杂过程RSM的模型拟合方法第51-87页
   ·算例说明第51-52页
   ·经典RSM应用于复杂过程的局限性第52-63页
     ·经典RSM拟合与优化结果第52-59页
     ·经典RSM的局限性分析第59-63页
   ·基于SVR的复杂过程拟合方法第63-73页
     ·复杂过程RSM的模型拟合的机器学习描述及其特点第63页
     ·适用于RSM的SVR核函数及参数的选取方法第63-73页
     ·基于SVR的复杂过程RSM的模型拟合方法描述第73页
   ·算例研究第73-82页
     ·基于SVR的拟合结果第74-78页
     ·基于KFR的拟合结果第78-80页
     ·基于ANN的拟合结果第80-82页
   ·结果讨论与结论第82-86页
     ·各类方法泛化性能与曲面重现能力的比较第82-83页
     ·过程误差和样本量对SVR核函数及其参数选择的影响第83-85页
     ·SVR对于过程误差分布为非正态对称形式的适用性第85页
     ·SVR拟合方程的特点第85-86页
   ·本章小结第86-87页
第四章 基于SVR的复杂过程RSM的过程优化方法第87-104页
   ·基于SVR的复杂过程RSM过程优化的本质第87-88页
   ·基于SVR的复杂过程优化方法分析第88-90页
   ·基于SV聚类的并行SQP优化算法第90-94页
     ·理论基础第90-93页
     ·方法描述第93-94页
   ·算例研究第94-100页
     ·算例3-1 的优化结果第94-96页
     ·算例4-1 及优化结果第96-100页
   ·结果讨论与结论第100-103页
     ·算法对于过程实际极值的表现能力第100页
     ·聚类阶段的连接方式与相似性水平的选择第100-101页
     ·SVR拟合方程的泛化能力对优化的影响第101-102页
     ·SVR对过程的表现能力进一步讨论第102-103页
   ·本章小结第103-104页
第五章 基于SVR的复杂过程RSM的实验设计方法第104-118页
   ·基于SVR的复杂过程设计方法的基本特点第104-105页
   ·现有非参数RSM设计方法及其局限性第105-107页
   ·对基于SVR的复杂过程设计方法的再认识第107-108页
   ·基于先验知识的调整间距空间网格设计方法第108-114页
     ·方法描述第109-112页
     ·算例研究第112-113页
     ·结果讨论与结论第113-114页
   ·基于序贯性设计的SFOD方法第114-117页
     ·方法描述第114-115页
     ·算例研究第115-116页
     ·结果讨论与结论第116-117页
   ·本章小结第117-118页
第六章 基于SVR的复杂过程RSM的应用研究第118-137页
   ·基于SVR的复杂过程RSM总体描述第118-121页
   ·一般性问题:降低吡啶二乙基硼烷合成反应的综合成本第121-126页
     ·背景描述第121页
     ·实验安排第121-123页
     ·实验结果第123-126页
     ·结果分析与讨论第126页
   ·稳健性设计问题:提高叶片弹簧热处理工艺的稳健性第126-135页
     ·背景描述第126-127页
     ·基于SVR的DRSM模型第127-129页
     ·实验安排第129-130页
     ·实验结果第130-135页
     ·结果分析与讨论第135页
   ·本章小结第135-137页
第七章 总结与展望第137-139页
参考文献第139-149页
发表论文和科研情况说明第149-151页
致谢第151页

论文共151页,点击 下载论文
上一篇:组织工程支架材料及其降解产物血管化功能的体外研究及表征方法的建立
下一篇:区域动态规划与控制系统研究及应用