基于支持向量机的产品合格率预测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·传统预测方法 | 第11-12页 |
| ·人工智能方法 | 第12-13页 |
| ·现有研究方法的局限 | 第13-14页 |
| ·研究目的及意义 | 第14页 |
| ·研究内容 | 第14-16页 |
| 第二章 理论可行性分析及建模设计 | 第16-35页 |
| ·产品合格率预测问题概述 | 第16-21页 |
| ·产品合格率预测问题的研究意义 | 第16-19页 |
| ·产品合格率的影响因素 | 第19-20页 |
| ·产品合格率预测中存在的困难 | 第20-21页 |
| ·统计学习理论和支持向量机 | 第21-31页 |
| ·统计学习理论 | 第21-26页 |
| ·支持向量机 | 第26-31页 |
| ·理论可行性分析 | 第31页 |
| ·支持向量机预测模型建立设计 | 第31-34页 |
| ·数据准备 | 第31-33页 |
| ·性能评价 | 第33页 |
| ·模型建立 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 模型核函数的确定 | 第35-44页 |
| ·核函数概述 | 第35-37页 |
| ·核函数的基本概念 | 第35页 |
| ·Mercer 定理 | 第35页 |
| ·常用的核函数 | 第35-37页 |
| ·确定核函数的方法设计 | 第37-38页 |
| ·数据的预处理 | 第37-38页 |
| ·实验流程设计 | 第38页 |
| ·仿真实验及结果分析 | 第38-43页 |
| ·实验参数设置 | 第38-39页 |
| ·实验结果分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 模型参数的选取 | 第44-65页 |
| ·模型的参数 | 第44-47页 |
| ·损失函数的惩罚参数 C | 第44-45页 |
| ·径向基核函数参数σ | 第45-46页 |
| ·不敏感损失函数参数ε | 第46-47页 |
| ·模型参数的选取方法 | 第47-52页 |
| ·网格搜索方法 | 第48-49页 |
| ·遗传算法方法 | 第49-50页 |
| ·粒子群算法方法 | 第50-52页 |
| ·参数选取方法的设计 | 第52-58页 |
| ·参数对模型性能的影响 | 第52-56页 |
| ·参数选取范围的确定 | 第56-57页 |
| ·参数选取效果的评价 | 第57-58页 |
| ·仿真实验及结果分析 | 第58-64页 |
| ·实验参数的设置 | 第58-59页 |
| ·实验结果分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 产品合格率的预测 | 第65-72页 |
| ·实验设计 | 第65-67页 |
| ·数据准备 | 第65-66页 |
| ·流程设计 | 第66-67页 |
| ·仿真实验及结果分析 | 第67-71页 |
| ·参数设置 | 第67页 |
| ·结果分析 | 第67-71页 |
| ·本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-83页 |
| 附件 | 第83页 |
