| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的目的及意义 | 第10-11页 |
| 1.2 SVM模型的发展过程和研究现状 | 第11-13页 |
| 1.2.1 支持向量机的应用 | 第11页 |
| 1.2.2 支持向量机的优点 | 第11-12页 |
| 1.2.3 支持向量机核函数 | 第12页 |
| 1.2.4 多核支持向量机研究现状 | 第12-13页 |
| 1.3 论文所完成工作以及结构 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 支持向量机算法的基本知识 | 第14-29页 |
| 2.1 统计学习理论 | 第14-15页 |
| 2.1.1 VC维 | 第14页 |
| 2.1.2 结构风险最小化原则 | 第14-15页 |
| 2.2 支持向量机 | 第15-22页 |
| 2.2.1 线性支持向量机 | 第15-17页 |
| 2.2.2 线性不可分支持向量机 | 第17-19页 |
| 2.2.3 非线性可分的支持向量机 | 第19-22页 |
| 2.3 支持向量回归 | 第22-24页 |
| 2.3.1 线性回归情况 | 第22-23页 |
| 2.3.2 非线性回归情况 | 第23-24页 |
| 2.4 核函数及其应用 | 第24-25页 |
| 2.5 核函数的选取 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 核函数及参数对SVM性能影响分析 | 第29-38页 |
| 3.1 核函数本质 | 第29-32页 |
| 3.1.1 常用核函数及其性能分析 | 第29-32页 |
| 3.1.2 局部核函数和全局核函数 | 第32页 |
| 3.2 支持向量机性能影响因数分析 | 第32-36页 |
| 3.2.1 惩罚因子C对SVM性能分析 | 第33-34页 |
| 3.2.2 核函数及参数对SVM性能分析 | 第34页 |
| 3.2.3 SVM的参数优化 | 第34-36页 |
| 3.3 多核支持向量机 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于多群竞争的并行免疫进化算法的参数优化 | 第38-48页 |
| 4.1 免疫进化算法 | 第38页 |
| 4.2 MCPIEP算法流程 | 第38-41页 |
| 4.3 实验分析 | 第41-47页 |
| 4.3.1 单模态函数优化对比试验 | 第42-44页 |
| 4.3.2 多模态函数优化对比试验 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于MCPIEP算法的多核支持向量机的应用 | 第48-64页 |
| 5.1 在故障检测中的应用 | 第48-55页 |
| 5.1.1 故障检测的基本概念 | 第48页 |
| 5.1.2 基于SVM算法的故障检测的研究内容 | 第48-50页 |
| 5.1.3 非平衡类数据下算法性能的评估方法 | 第50-51页 |
| 5.1.4 仿真实验及性能分析 | 第51-55页 |
| 5.2 在混沌预测领域的应用 | 第55-63页 |
| 5.2.1 混沌预测的研究内容 | 第55页 |
| 5.2.2 基于多核SVM算法的混沌预测的参数分析 | 第55-56页 |
| 5.2.3 仿真实验及性能分析 | 第56-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |