| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·课题的背景、意义 | 第10-11页 |
| ·国内外的研究现状 | 第11-13页 |
| ·研究的目的 | 第13页 |
| ·采取的研究方法 | 第13-14页 |
| ·内容安排 | 第14-16页 |
| 2 统计学习理论与回归支持向量机 | 第16-37页 |
| ·统计学习理论 | 第16-21页 |
| ·机器学习问题简单描述 | 第16-18页 |
| ·学习过程的一致性理论 | 第18-19页 |
| ·VC 维 | 第19-20页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·回归支持向量机的基本理论 | 第21-25页 |
| ·线性可分支持向量机 | 第22-24页 |
| ·广义线性支持向量机 | 第24-25页 |
| ·回归性支持向量机 | 第25-31页 |
| ·数学描述回归问题和ε损失函数 | 第25-27页 |
| ·线性回归型支持向量机 | 第27-29页 |
| ·非线性回归型支持向量机 | 第29-31页 |
| ·核函数的基本定理及其性质 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 3 智能故障诊断方法 | 第37-41页 |
| ·常见智能故障诊断方法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于多核函数的模糊支持向量机 | 第41-49页 |
| ·模糊支持向量机 | 第41-42页 |
| ·模糊隶属度函数的确定 | 第42页 |
| ·多核模糊支持向量机 | 第42-46页 |
| ·合成核的构造 | 第43-45页 |
| ·多核函数的发展趋势展望 | 第45-46页 |
| ·多核模糊支持向量回归机的算法 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于多核函数的模糊 SVR 在故障诊断中的应用 | 第49-61页 |
| ·基于 SVR 故障诊断系统的背景 | 第49-50页 |
| ·基于 SVR 的故障模式识别 | 第49页 |
| ·基于 SVR 的故障预测 | 第49-50页 |
| ·基于支持向量机的残差生成 | 第50页 |
| ·基于 SVR 的机械控制系统故障诊断模型 | 第50-52页 |
| ·基于 SVR 的电液位置伺服系统故障诊断仿真实验 | 第52-60页 |
| ·电液位置伺服系统模型概况 | 第52-53页 |
| ·基于 SVR 的控制系统辨识模型仿真 | 第53-57页 |
| ·基于 SVR 模型的电液位伺服系统故障诊断仿真实验 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 6 结束语 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-66页 |
| 致谢 | 第66页 |
