| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·引言 | 第10-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·生物发酵软测量研究现状 | 第11-16页 |
| ·支持向量机模型优化方法 | 第16-17页 |
| ·本课题的研究意义和主要研究内容 | 第17-20页 |
| ·课题的研究意义 | 第17-18页 |
| ·主要研究内容 | 第18页 |
| ·文章的主要结构 | 第18-20页 |
| 第二章 统计学习理论与支持向量机 | 第20-27页 |
| ·引言 | 第20页 |
| ·统计学习理论 | 第20-23页 |
| ·经验风险最小化原则 | 第21-22页 |
| ·VC维 | 第22页 |
| ·结构风险最小化原则 | 第22-23页 |
| ·支持向量机 | 第23-25页 |
| ·支持向量机回归 | 第23-24页 |
| ·核函数 | 第24-25页 |
| ·小结 | 第25-27页 |
| 第三章 基于GSA和AIC的SVM生物发酵软测量的优化建模研究 | 第27-48页 |
| ·引言 | 第27-28页 |
| ·基于GSA和AIC的模型优化 | 第28-40页 |
| ·遗传模拟退火算法 | 第28-34页 |
| ·赤池信息准则 | 第34-35页 |
| ·最优模型选择策略 | 第35-40页 |
| ·实例研究 | 第40-47页 |
| ·红霉素产业 | 第40页 |
| ·生物发酵过程 | 第40-41页 |
| ·仿真研究 | 第41-47页 |
| ·小结 | 第47-48页 |
| 第四章 基于PSO的SVM软测量模型参数优化及其应用 | 第48-65页 |
| ·引言 | 第48页 |
| ·PSO算法 | 第48-57页 |
| ·PSO算法基本原理 | 第49-52页 |
| ·PSO算法收敛性分析 | 第52-57页 |
| ·基于PSO算法的SVM发酵软测量 | 第57-59页 |
| ·仿真实验 | 第59-63页 |
| ·改进PSO算法的验证 | 第59-62页 |
| ·不同SVM软测量建模算法的对比仿真 | 第62-63页 |
| ·小结 | 第63-65页 |
| 第五章 结论与展望 | 第65-67页 |
| ·主要结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间参加科研项目 | 第73页 |
| 研究生期间发表论文 | 第73页 |