基于混沌优化与支持向量机的建模与控制研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| ·前言 | 第9-10页 |
| ·混沌优化算法 | 第10-11页 |
| ·支持向量机 | 第11-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第2章 混沌优化算法及其改进 | 第15-28页 |
| ·混沌的基本知识 | 第15-17页 |
| ·混沌 | 第15页 |
| ·混沌理论的相关概念 | 第15-16页 |
| ·混沌的主要特征 | 第16-17页 |
| ·混沌优化算法 | 第17-20页 |
| ·并行混沌融合单纯形的优化方法研究 | 第20-22页 |
| ·并行混沌搜索机制 | 第20-21页 |
| ·单纯形法简介 | 第21-22页 |
| ·并行混沌搜索融合单纯形的优化方法 | 第22页 |
| ·优化算法性能分析 | 第22-25页 |
| ·性能分析参量 | 第22-23页 |
| ·算法性能分析 | 第23-25页 |
| ·仿真研究 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于混沌优化算法的系统辨识 | 第28-34页 |
| ·系统辨识描述 | 第28-29页 |
| ·辨识方法分类 | 第29页 |
| ·基于混沌优化算法的系统辨识 | 第29-31页 |
| ·辨识仿真 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第4章 支持向量机基本原理及学习算法 | 第34-44页 |
| ·基本原理介绍 | 第34-39页 |
| ·支持向量机分类 | 第34-36页 |
| ·支持向量机回归 | 第36-37页 |
| ·核的种类与特性 | 第37-38页 |
| ·核参数的选择 | 第38页 |
| ·支持向量机结构 | 第38-39页 |
| ·学习算法 | 第39-43页 |
| ·学习算法研究状况 | 第39-42页 |
| ·SMO 学习算法介绍 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第5章 基于支持向量机的模型辨识 | 第44-51页 |
| ·预备知识 | 第44-46页 |
| ·SVM 模型辨识的具体实现 | 第46-48页 |
| ·仿真研究 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第6章 基于支持向量机的逆模型辨识 | 第51-56页 |
| ·逆系统的定义 | 第51-52页 |
| ·模型的可逆性 | 第52页 |
| ·基于SVM 的逆模型求解 | 第52-53页 |
| ·仿真研究 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第7章 基于支持向量机的逆模型控制设计 | 第56-63页 |
| ·直接逆模型控制 | 第56-57页 |
| ·带PID 反馈补偿的SVM 逆控制系统 | 第57-58页 |
| ·仿真研究 | 第58-62页 |
| ·小结 | 第62-63页 |
| 第8章 支持向量机-模糊推理自学习控制器设计 | 第63-72页 |
| ·模糊推理系统 | 第63页 |
| ·支持向量机-模糊推理系统 | 第63-65页 |
| ·自学习控制器的结构 | 第65页 |
| ·自学习控制器的学习算法 | 第65-69页 |
| ·变尺度梯度优化学习算法 | 第66-68页 |
| ·自适应混沌优化学习算法 | 第68-69页 |
| ·仿真研究 | 第69-71页 |
| ·小结 | 第71-72页 |
| 第9章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第80页 |
