基于支持向量机参数优化的木材干燥过程建模研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究的目的意义 | 第9页 |
| ·木材干燥工艺 | 第9-11页 |
| ·木材干燥过程 | 第9-10页 |
| ·木材干燥基准 | 第10-11页 |
| ·木材干燥建模 | 第11-12页 |
| ·优化算法 | 第12-13页 |
| ·优化算法的发展 | 第12-13页 |
| ·群智能算法 | 第13页 |
| ·本文主要内容 | 第13-15页 |
| 2 支持向量机回归及其参数优化 | 第15-28页 |
| ·引言 | 第15页 |
| ·支持向量机回归理论 | 第15-20页 |
| ·支持向量机回归问题 | 第15-17页 |
| ·支持向量机回归算法模型 | 第17-18页 |
| ·核函数 | 第18-19页 |
| ·支持向量机参数问题 | 第19-20页 |
| ·微粒群优化算法 | 第20-23页 |
| ·微粒群优化的基本原理 | 第20页 |
| ·基本微粒群优化算法 | 第20-22页 |
| ·带惯性权重的微粒群优化算法 | 第22页 |
| ·微粒群优化算法的特点 | 第22-23页 |
| ·微粒群优化算法的发展及应用现状 | 第23页 |
| ·遗传算法 | 第23-27页 |
| ·遗传算法的基本思想 | 第23-24页 |
| ·遗传算法的基本操作 | 第24-25页 |
| ·遗传算法的特点 | 第25-26页 |
| ·遗传算法的发展及应用现状 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 木材干燥支持向量机优化建模 | 第28-42页 |
| ·引言 | 第28页 |
| ·木材干燥支持向量机模型结构 | 第28-29页 |
| ·木材干燥基准预测实验仿真 | 第29-34页 |
| ·不同SVM回归参数下的水曲柳干燥建模预测 | 第29-32页 |
| ·不同SVM回归参数下的柞木干燥建模预测 | 第32-34页 |
| ·支持向量机参数优化的木材干燥基准预测实验仿真 | 第34-40页 |
| ·基于PSO的SVM参数优化及预测建模设计 | 第34-35页 |
| ·PSO优化的木材干燥基准建模仿真 | 第35-37页 |
| ·基于GA的SVM参数优化设计及预测建模设计 | 第37-38页 |
| ·GA优化的木材干燥基准建模仿真 | 第38-40页 |
| ·仿真实验结果分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于KPCA预处理方法下的木材干燥优化建模 | 第42-54页 |
| ·引言 | 第42页 |
| ·核主成分分析方法 | 第42-45页 |
| ·主成分分析技术 | 第43-44页 |
| ·核主成分分析方法 | 第44-45页 |
| ·基于KPCA预处理方法下的木材干燥优化建模 | 第45-50页 |
| ·木材干燥数据KPCA预处理 | 第45-47页 |
| ·引入KPCA的木材干燥优化建模 | 第47-49页 |
| ·KPCA预处理后影响分析 | 第49-50页 |
| ·基于KPCA预处理方法下的木材干燥在线优化建模 | 第50-53页 |
| ·PSO-SVM木材干燥在线模型的建立 | 第50页 |
| ·PSO-SVM木材干燥在线建模仿真实验 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |
