| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章绪论 | 第16-26页 |
| ·智能航空发动机控制的发展背景、概念与特点 | 第16-20页 |
| ·核方法的发展 | 第20-21页 |
| ·支持向量机产生的背景及现状 | 第21-24页 |
| ·论文的主要研究内容及章节安排 | 第24-26页 |
| 第二章支持向量回归机 | 第26-65页 |
| ·支持向量机 | 第26-30页 |
| ·硬支持向量机 | 第26-28页 |
| ·软支持向量机 | 第28页 |
| ·核化后的支持向量机 | 第28-30页 |
| ·支持向量回归机 | 第30-33页 |
| ·硬支持向量回归机 | 第31页 |
| ·软支持向量回归机 | 第31-33页 |
| ·截尾支持向量回归机 | 第33-54页 |
| ·对偶空间中的截尾支持向量回归机 | 第33-43页 |
| ·原空间中的截尾支持向量回归机 | 第43-54页 |
| ·快速近似硬支持向量回归机 | 第54-63页 |
| ·理论部分 | 第55-59页 |
| ·实验部分 | 第59-63页 |
| ·本章小结 | 第63-65页 |
| 第三章最小二乘支持向量回归机 | 第65-83页 |
| ·引言 | 第65页 |
| ·最小二乘支持向量回归机 | 第65-66页 |
| ·LS~2SVR | 第66-75页 |
| ·FSA-LSSVR | 第67-69页 |
| ·LS~2SVR 算法 | 第69-72页 |
| ·仿真实验 | 第72-75页 |
| ·RR-LSSVR | 第75-82页 |
| ·理论部分 | 第75-79页 |
| ·实验部分 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第四章 多核半参数支持向量回归机 | 第83-101页 |
| ·引言 | 第83-84页 |
| ·多核半参数线性规划支持向量回归机 | 第84-93页 |
| ·线性规划支持向量回归机 | 第84-87页 |
| ·多核半参数LP-SVR | 第87-89页 |
| ·仿真实验 | 第89-91页 |
| ·和其它多核学习算法的比较 | 第91-93页 |
| ·多核半参数最小二乘支持向量回归机 | 第93-99页 |
| ·理论部分 | 第93-96页 |
| ·实验部分 | 第96-99页 |
| ·本章小结 | 第99-101页 |
| 第五章 基于支持向量回归机的推力估计器设计 | 第101-120页 |
| ·航空发动机部件级模型 | 第101-103页 |
| ·概述 | 第101页 |
| ·部件级模型建立 | 第101-102页 |
| ·部件级模型求解 | 第102-103页 |
| ·全包线推力估计器设计 | 第103-113页 |
| ·引言 | 第103-105页 |
| ·基于RR-LSSVR 的全包线推力估计器设计 | 第105-111页 |
| ·基于K-均值聚类和RR-LSSVR 的全包线推力估计器设计 | 第111-113页 |
| ·非额定航空发动机推力估计器设计 | 第113-115页 |
| ·动态过程的推力估计器设计 | 第115-118页 |
| ·本章小结 | 第118-120页 |
| 第六章 基于支持向量回归机的解析余度技术 | 第120-137页 |
| ·引言 | 第120-121页 |
| ·FOAHSVR 算法 | 第121-125页 |
| ·理论部分 | 第121-124页 |
| ·Benchmark 数据集验证 | 第124-125页 |
| ·基于FOAHSVR 的航空发动机解析余度技术 | 第125-136页 |
| ·航空发动机传感器典型故障分析 | 第125-126页 |
| ·基于FOAHSVR 的解析余度方案 | 第126-128页 |
| ·仿真实验 | 第128-136页 |
| ·本章小结 | 第136-137页 |
| 第七章 总结和展望 | 第137-140页 |
| ·主要贡献与成果总结 | 第137-139页 |
| ·进一步工作与研究展望 | 第139-140页 |
| 参考文献 | 第140-157页 |
| 致谢 | 第157-159页 |
| 在学期间的研究成果及发表的学术论文 | 第159-163页 |
| 附录 | 第163页 |
| A 本论文中涉及到的用来检验机器学习算法有效性的Benchmark 数据集的情况 | 第163页 |