| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 缩写表 | 第10-11页 |
| 1 绪论 | 第11-29页 |
| 1.1 研究背景 | 第11-19页 |
| 1.1.1 经典的变量选择方法 | 第12-15页 |
| 1.1.2 非线性系统变量选择 | 第15-16页 |
| 1.1.3 非线性系统特征提取 | 第16-18页 |
| 1.1.4 核方法的出现 | 第18-19页 |
| 1.2 问题提出与课题来源 | 第19-22页 |
| 1.2.1 问题提出 | 第19-22页 |
| 1.2.2 课题来源 | 第22页 |
| 1.3 核方法的预备知识 | 第22-24页 |
| 1.3.1 核函数的定义 | 第22-23页 |
| 1.3.2 核方法的特点 | 第23-24页 |
| 1.4 研究思路与研究内容 | 第24-25页 |
| 1.5 创新点 | 第25-26页 |
| 1.6 论文结构安排 | 第26-29页 |
| 2 基于多核主成分分析的特征空间降维 | 第29-43页 |
| 2.1 引言 | 第29页 |
| 2.2 理论基础 | 第29-32页 |
| 2.2.1 主成分分析 | 第29-30页 |
| 2.2.2 多核主成分分析 | 第30-32页 |
| 2.3 基于多核主成分分析的降维方法 | 第32-33页 |
| 2.4 数值实验对比研究 | 第33-41页 |
| 2.4.1 非线性静态系统精简建模 | 第33-37页 |
| 2.4.2 非线性动态系统精简建模 | 第37-41页 |
| 2.5 本章小结 | 第41-43页 |
| 3 基于核独立主元提取的非监督变量选择 | 第43-69页 |
| 3.1 引言 | 第43页 |
| 3.2 理论基础 | 第43-48页 |
| 3.2.1 独立成分分析 | 第44-46页 |
| 3.2.2 核独立成分分析 | 第46-47页 |
| 3.2.3 虚假最近邻点法 | 第47-48页 |
| 3.3 基于 KICA 与 FNN 的非监督变量选择 | 第48-51页 |
| 3.3.1 基于 KICA 与 FNN 的非监督变量选择新框架 | 第48-49页 |
| 3.3.2 虚假最近邻点作变量选择的几何意义 | 第49-50页 |
| 3.3.3 算法实现过程 | 第50-51页 |
| 3.4 HCN 的过程变量优选实例分析 | 第51-67页 |
| 3.4.1 工艺过程 | 第51-53页 |
| 3.4.2 建模目标的选取 | 第53-54页 |
| 3.4.3 初始变量集合的确定 | 第54-55页 |
| 3.4.4 数据预处理 | 第55-63页 |
| 3.4.5 影响 HCN 转化率的过程变量选择 | 第63-65页 |
| 3.4.6 变量选择的有效性检验 | 第65-67页 |
| 3.5 本章小结 | 第67-69页 |
| 4 基于核偏最小二乘正交投影的监督式变量选择 | 第69-83页 |
| 4.1 引言 | 第69页 |
| 4.2 理论基础 | 第69-73页 |
| 4.2.1 偏最小二乘特征提取方法 | 第69-72页 |
| 4.2.2 核偏最小二乘特征提取方法 | 第72-73页 |
| 4.3 基于 KPLS 与 FNN 的监督式变量选择 | 第73-76页 |
| 4.3.1 距离测度下的冗余变量剔除 | 第73-75页 |
| 4.3.2 算法实现过程 | 第75-76页 |
| 4.4 数值实验对比研究 | 第76-81页 |
| 4.4.1 非线性系统二分类问题变量选择 | 第76-78页 |
| 4.4.2 非线性系统四分类问题变量选择 | 第78-81页 |
| 4.5 本章小结 | 第81-83页 |
| 5 基于多核最优判别矢量的监督式变量选择 | 第83-99页 |
| 5.1 引言 | 第83页 |
| 5.2 理论基础 | 第83-87页 |
| 5.2.1 Fisher 判别分析 | 第83-85页 |
| 5.2.2 核 Fisher 判别分析 | 第85-86页 |
| 5.2.3 多核 Fisher 判别分析 | 第86-87页 |
| 5.3 基于 MKFDA 与 FNN 的监督式变量选择 | 第87-89页 |
| 5.3.1 基于 MKFDA 与 FNN 的监督式变量选择新框架 | 第87-88页 |
| 5.3.2 算法实现过程 | 第88-89页 |
| 5.4 在 TE 化工过程故障分离中的应用 | 第89-97页 |
| 5.4.1 TE 化工工艺过程 | 第89-92页 |
| 5.4.2 非线性故障分离的变量选择 | 第92-95页 |
| 5.4.3 变量选择的有效性检验 | 第95-97页 |
| 5.5 本章小结 | 第97-99页 |
| 6 基于核梯度向量的小样本系统变量选择 | 第99-111页 |
| 6.1 引言 | 第99页 |
| 6.2 嵌入梯度的支持向量机 | 第99-103页 |
| 6.2.1 最优分类超平面 | 第100-102页 |
| 6.2.2 嵌入梯度的支持向量机理论方法 | 第102-103页 |
| 6.3 算法实现过程 | 第103页 |
| 6.4 矿井通风指标体系的变量选择 | 第103-110页 |
| 6.4.1 初始指标体系 | 第103-104页 |
| 6.4.2 最优指标体系的选择 | 第104-106页 |
| 6.4.3 指标体系优选对比研究 | 第106-109页 |
| 6.4.4 变量选择的有效性检验 | 第109-110页 |
| 6.5 本章小结 | 第110-111页 |
| 7 结论与展望 | 第111-113页 |
| 7.1 结论 | 第111-112页 |
| 7.2 展望 | 第112-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 附录 | 第125-126页 |
| A. 攻读博士学位期间发表的论文 | 第125页 |
| B. 与学位论文相关的专利 | 第125页 |
| C. 攻读博士学位期间获得的奖励 | 第125-126页 |
| D. 攻读博士学位期间参加的科研项目 | 第126页 |
