摘要 | 第4-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-23页 |
1.1 选题背景与意义 | 第11-13页 |
1.2 研究现状与发展趋势 | 第13-20页 |
1.2.1 核函数方法 | 第13-17页 |
1.2.2 滑坡敏感性评价 | 第17-20页 |
1.3 主要研究内容和章节安排 | 第20-23页 |
1.3.1 主要研究内容 | 第20-21页 |
1.3.2 本文章节安排 | 第21-23页 |
第二章 滑坡数据获取与特征选取研究 | 第23-41页 |
2.1 滑坡发生机理分析 | 第23-25页 |
2.1.1 概述 | 第23-24页 |
2.1.2 滑坡发生的内在因素 | 第24-25页 |
2.1.3 滑坡发生的外在因素 | 第25页 |
2.2 四川某地滑坡数据获取与特征提取 | 第25-37页 |
2.2.1 四川某地的地质概况 | 第25-27页 |
2.2.2 滑坡数据获取 | 第27-32页 |
2.2.3 滑坡数据预处理 | 第32-36页 |
2.2.4 滑坡数据库建立 | 第36-37页 |
2.3 滑坡敏感性的评价参数和技术指标 | 第37-40页 |
2.3.1 评价参数 | 第37-38页 |
2.3.2 技术指标 | 第38-40页 |
2.4 本章小结 | 第40-41页 |
第三章 常用核函数方法及其应用研究 | 第41-71页 |
3.1 核函数描述 | 第41-46页 |
3.1.1 核函数的定义 | 第41页 |
3.1.2 基本理论和性质 | 第41-45页 |
3.1.3 核函数选取规则 | 第45-46页 |
3.2 核函数方法 | 第46-53页 |
3.2.1 方法描述 | 第46-49页 |
3.2.2 多核学习方法 | 第49-53页 |
3.3 常用核函数方法 | 第53-61页 |
3.3.1 支持向量机 | 第53-57页 |
3.3.2 相关向量机 | 第57-61页 |
3.4 典例仿真实验 | 第61-63页 |
3.4.1 仿真环境与数据库选取 | 第61-62页 |
3.4.2 仿真结果与分析 | 第62-63页 |
3.5 实际应用与结果分析 | 第63-69页 |
3.5.1 软硬件处理平台描述 | 第63页 |
3.5.2 滑坡敏感性评价体系 | 第63-64页 |
3.5.3 实际处理与效果分析 | 第64-69页 |
3.6 本章小结 | 第69-71页 |
第四章 基于云PSO的多核RVM方法及其应用研究 | 第71-89页 |
4.1 云PSO算法描述 | 第71-77页 |
4.1.1 云理论 | 第71-73页 |
4.1.2 标准PSO算法 | 第73-75页 |
4.1.3 基于云理论的PSO算法(CPSO) | 第75-77页 |
4.2 采用PSO的RVM方法研究 | 第77-82页 |
4.2.1 PSO-RVM算法 | 第77-78页 |
4.2.2 CPSO-RVM算法 | 第78-79页 |
4.2.3 一种基于CPSO的多核核函数算法(CPSO-MKRVM) | 第79-81页 |
4.2.4 典例仿真实验 | 第81-82页 |
4.3 实际应用与对比分析 | 第82-88页 |
4.3.1 实际应用 | 第82-83页 |
4.3.2 对比分析 | 第83-88页 |
4.4 本章小结 | 第88-89页 |
第五章 基于二阶锥规划的多核RVM方法及其应用研究 | 第89-103页 |
5.1 二阶锥规划方法描述 | 第89-91页 |
5.1.1 凸规划理论 | 第89-90页 |
5.1.2 二阶锥规划的基本原理 | 第90页 |
5.1.3 二阶锥规划常用求解方法 | 第90-91页 |
5.2 基于SOCP的MKRVM方法研究 | 第91-95页 |
5.2.1 基核选取 | 第91-92页 |
5.2.2 权重系数计算 | 第92-93页 |
5.2.3 一种基于SOCP的多核核函数算法(SOCP-MKRVM) | 第93-94页 |
5.2.4 典例仿真实验 | 第94-95页 |
5.3 实际应用与对比分析 | 第95-101页 |
5.3.1 实际应用 | 第95-96页 |
5.3.2 对比分析 | 第96-101页 |
5.4 本章小结 | 第101-103页 |
第六章 总结与展望 | 第103-107页 |
6.1 结论 | 第103-104页 |
6.2 创新点 | 第104-105页 |
6.3 展望 | 第105-107页 |
参考文献 | 第107-117页 |
攻读学位期间所取得的相关科研成果 | 第117-119页 |
致谢 | 第119页 |