过程支持向量机模型及信息变换机制研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 创新点摘要 | 第7-11页 |
| 引言 | 第11-12页 |
| 第1章 支持向量机概述 | 第12-16页 |
| ·支持向量机理论的提出 | 第12-13页 |
| ·支持向量机与人工神经元网络 | 第13-14页 |
| ·支持向量机的应用研究现状 | 第14-16页 |
| 第2章 支持向量机理论基础 | 第16-23页 |
| ·理论背景 | 第16-17页 |
| ·VC 维和结构风险最小化 | 第17-19页 |
| ·支持向量机的基本思想 | 第19-20页 |
| ·支持向量机的训练算法 | 第20-22页 |
| ·过程支持向量机 | 第22-23页 |
| 第3章 基于正交基函数展开的过程支持向量机 | 第23-44页 |
| ·L~2 空间上的正交函数及其逼近能力 | 第23-24页 |
| ·常用的L~2 空间正交函数系 | 第24-26页 |
| ·函数空间与高维向量空间的同构 | 第26-30页 |
| ·基于正交基函数展开的过程支持向量机模式识别 | 第30-35页 |
| ·支持向量的选择 | 第35-40页 |
| ·仿真及应用实例 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于核变换的过程支持向量机 | 第44-59页 |
| ·基于核变换的过程支持向量机模型 | 第44-45页 |
| ·核函数的构造及性质分析 | 第45-46页 |
| ·基于核变换的过程支持向量机学习算法 | 第46-50页 |
| ·过程支持向量预选取 | 第50-51页 |
| ·过程支持向量机对时变信号的非线性划分能力 | 第51-53页 |
| ·过程支持向量机与过程神经元网络 | 第53-56页 |
| ·PSVM 在动态模式识别中的应用 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 过程支持向量回归机 | 第59-70页 |
| ·ε-不敏感损失函数 | 第59-60页 |
| ·用于非线性回归的过程支持向量机 | 第60-61页 |
| ·PSVR 参数对机器性能的影响 | 第61页 |
| ·基于 GASA 混合策略的 PSVR 参数优化 | 第61-64页 |
| ·PSVR 在时间序列预测中的应用 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 发表文章目录 | 第75-76页 |
| 致谢 | 第76-77页 |
| 详细摘要 | 第77-80页 |
