基于支持向量机的火灾预测系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题背景与意义 | 第11-12页 |
| ·火灾预测技术的研究现状 | 第12-14页 |
| ·课题主要研究内容 | 第14-15页 |
| ·论文结构组织 | 第15-16页 |
| 第二章 火灾预测相关理论方法与技术 | 第16-39页 |
| ·火灾预测原理 | 第16-17页 |
| ·人工神经网络基本理论 | 第17-21页 |
| ·人工神经元 | 第18-19页 |
| ·人工神经网络结构 | 第19-20页 |
| ·人工神经网络学习算法 | 第20-21页 |
| ·前向型神经网络及算法 | 第21-31页 |
| ·基于BP 算法的神经网络 | 第21-25页 |
| ·基于LM 算法的神经网络 | 第25-28页 |
| ·RBF 神经网络 | 第28-31页 |
| ·SVM 算法 | 第31-34页 |
| ·SLT 理论 | 第32-33页 |
| ·SVM 算法 | 第33-34页 |
| ·SVM 分类与结构 | 第34-37页 |
| ·SVM 分类 | 第35-37页 |
| ·SVM 网络结构 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第三章 SVM 算法改进 | 第39-47页 |
| ·支持向量回归算法 | 第39-44页 |
| ·标准SVR | 第41-42页 |
| ·SVR 的机器学习 | 第42页 |
| ·典例仿真与分析 | 第42-44页 |
| ·加权支持向量回归（WSVR） | 第44-46页 |
| ·算法的实现 | 第45页 |
| ·算法分析的结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 火灾预测系统设计 | 第47-63页 |
| ·火灾预测分析 | 第47-49页 |
| ·预测系统模型 | 第49-51页 |
| ·预测算法(WSVR)和数据 | 第51-53页 |
| ·预测算法 | 第51-52页 |
| ·预测数据 | 第52-53页 |
| ·预测系统需求分析 | 第53页 |
| ·预测系统功能 | 第53-54页 |
| ·WSVR 预测系统设计 | 第54-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 系统仿真实验 | 第63-69页 |
| ·样本选取及预处理 | 第63-65页 |
| ·WSVR 训练及参数优化设计 | 第65页 |
| ·预测结果对比与分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 结论和展望 | 第69-71页 |
| ·本文研究结论 | 第69页 |
| ·前景展望 | 第69-70页 |
| ·下一步的研究方向 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间所取得的相关科研成果 | 第75-76页 |
