| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景以及研究目的和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 工业过程中故障诊断的研究现状 | 第10-13页 |
| 1.2.2 非线性模型下回归预测的研究现状 | 第13-15页 |
| 1.2.3 支持向量机的研究现状 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第2章 基于数据的分类及回归预测理论 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 支持向量机分类模型 | 第18-23页 |
| 2.2.1 支持向量机理论基础 | 第18-20页 |
| 2.2.2 支持向量机分类模型建立 | 第20-23页 |
| 2.3 改进的支持向量机分类算法模型 | 第23-27页 |
| 2.3.1 基于循环变量选择法改进支持向量机模型 | 第23-25页 |
| 2.3.2 基于主成分分析法改进支持向量机模型 | 第25-27页 |
| 2.4 支持向量机回归模型 | 第27-34页 |
| 2.4.1 支持向量机回归模型建立 | 第27-29页 |
| 2.4.2 对照算法模型建立 | 第29-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 基于数据的非线性工业过程故障诊断 | 第36-62页 |
| 3.1 田纳西伊斯曼过程研究 | 第36-37页 |
| 3.2 对于非线性过程的典型非正常工况进行故障检测 | 第37-53页 |
| 3.3 对于典型非正常工况进行分类 | 第53-61页 |
| 3.3.1 对于实际的工业过程数据进行预处理 | 第53-54页 |
| 3.3.2 基于支持向量机算法进行故障诊断 | 第54-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第4章 基于数据的回归预测 | 第62-74页 |
| 4.1 引言 | 第62页 |
| 4.2 问题描述 | 第62-63页 |
| 4.3 仿真分析 | 第63-73页 |
| 4.3.1 对于企业综合产品价格指数进行预测 | 第63-68页 |
| 4.3.2 对于房产销售价格指数进行预测 | 第68-73页 |
| 4.4 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第81-83页 |
| 致谢 | 第83页 |