| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题背景及意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·铁合金冶炼能耗现状 | 第8页 |
| ·信息融合技术研究 | 第8-10页 |
| ·研究内容 | 第10页 |
| ·本文主要结构 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第二章 支持向量机 | 第12-24页 |
| ·支持向量机 | 第12-15页 |
| ·SVM的基本思想 | 第12页 |
| ·最优超平面的概念 | 第12-13页 |
| ·线性可分情况下的最优超平面的构建 | 第13-14页 |
| ·线性不可分的情况最优超平面的构建 | 第14-15页 |
| ·SVM分类问题的基本理论 | 第15页 |
| ·回归估计问题的基本理论 | 第15-17页 |
| ·线性回归函数估计 | 第16-17页 |
| ·非线性回归函数估计 | 第17页 |
| ·支持向量机的训练算法 | 第17-19页 |
| ·标准的SVM算法 | 第17-18页 |
| ·改进的SVM算法 | 第18-19页 |
| ·用于回归估计的支持向量机新方法 | 第19-23页 |
| ·V-SVM算法 | 第19-20页 |
| ·LS-SVM算法 | 第20-22页 |
| ·回归加权型支持向量机(W-SVM)算法 | 第22页 |
| ·基于线性规划的SVM | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 电弧炉冶炼硅锰合金工艺 | 第24-28页 |
| ·冶炼原理 | 第24页 |
| ·冶炼锰硅合金设备 | 第24-26页 |
| ·机械设备 | 第24-26页 |
| ·电弧炉冶炼锰硅合金的电气设备 | 第26页 |
| ·锰硅合金冶炼生产工艺及炉型参数 | 第26-27页 |
| ·冶炼工艺 | 第26页 |
| ·电气参数 | 第26-27页 |
| ·工艺参数 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于多传感器信息融合技术的电弧炉工况判断 | 第28-38页 |
| ·多传感器信息融合 | 第28-33页 |
| ·多传感器信息融合的几种方法 | 第28-30页 |
| ·机器学习 | 第30-31页 |
| ·学习过程的一致性条件 | 第31-32页 |
| ·推广性的界 | 第32页 |
| ·结构风险最小化 | 第32-33页 |
| ·锰硅合金冶炼工况分析 | 第33-34页 |
| ·工况预测模型参数的选择 | 第34页 |
| ·基于LS-SVM融合算法的电弧炉工况判断 | 第34-36页 |
| ·LS-SVM融合算法核函数 | 第36-37页 |
| ·核函数分析 | 第36页 |
| ·LS-SVM核函数参数分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于支持向量机的电弧炉供电制度优化 | 第38-46页 |
| ·多尺度核函数预测算法 | 第38-40页 |
| ·小波概述 | 第38-39页 |
| ·多尺度支持向量机 | 第39-40页 |
| ·基于LS-SVM的电弧炉能耗预测模型 | 第40-43页 |
| ·电弧炉能耗预测模型 | 第40-41页 |
| ·仿真分析 | 第41-43页 |
| ·输入能量优化 | 第43-45页 |
| ·二次电压确定方法 | 第43-44页 |
| ·确定二次电流 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 锰硅铁合金冶炼过程中输入能量优化的界面设计 | 第46-52页 |
| ·软件设计方案 | 第46-49页 |
| ·算法实现 | 第46-47页 |
| ·数据库设计 | 第47-49页 |
| ·软件界面 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 作者简介 | 第57页 |
| 攻读硕士学位期间研究成果 | 第57-58页 |