| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·课题的研究背景 | 第8页 |
| ·课题的研究意义 | 第8-9页 |
| ·SVR 研究现状 | 第9-10页 |
| ·文章的研究内容及结构 | 第10-11页 |
| 2 支持向量机的基本理论 | 第11-25页 |
| ·引言 | 第11页 |
| ·统计学习理论的主要内容 | 第11-13页 |
| ·支持向量机及其变形算法 | 第13-23页 |
| ·本章小结 | 第23-25页 |
| 3 最小二乘法及基于K-LSE 算法 | 第25-35页 |
| ·引言 | 第25页 |
| ·最小二乘法的基本思想 | 第25-26页 |
| ·K-LSE 算法 | 第26-31页 |
| ·实例仿真 | 第31-34页 |
| ·小结 | 第34-35页 |
| 4 SVR 及K-SVR 在系统辨识中的应用 | 第35-51页 |
| ·系统辨识简介 | 第35-36页 |
| ·LSE 在系统辨识中的应用 | 第36-39页 |
| ·SVR 在系统辨识中的应用 | 第39-40页 |
| ·K-LSE 方法在系统辨识中的应用 | 第40-41页 |
| ·实例仿真 | 第41-51页 |
| 5 总结与展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |