| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·统计学习理论的发展 | 第9-10页 |
| ·支持向量机的发展 | 第10页 |
| ·我国的统计学习理论与支持向量机的研究概况 | 第10页 |
| ·支持向量机回归建模及其研究现状与存在的问题 | 第10-11页 |
| ·存在的问题 | 第11页 |
| ·本文研究的动机 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| 第二章 统计学习理论与支持向量机原理 | 第13-27页 |
| ·前言 | 第13页 |
| ·机器学习的基本问题 | 第13-15页 |
| ·问题的表示 | 第13-14页 |
| ·经验风险最小化 | 第14页 |
| ·复杂性和推广性 | 第14-15页 |
| ·统计学习理论 | 第15-17页 |
| ·VC维 | 第15页 |
| ·推广性的界 | 第15-16页 |
| ·结构化风险最小化原理 | 第16-17页 |
| ·支持向量机 | 第17-22页 |
| ·最优分类超平面 | 第17-20页 |
| ·最优分类超平面的推广 | 第20-21页 |
| ·支持向量机 | 第21-22页 |
| ·核函数 | 第22页 |
| ·支持向量机回归原理 | 第22-24页 |
| ·支持向量机回归学习算法的研究 | 第24页 |
| ·支持向量机模型的选择 | 第24-26页 |
| ·核和容量C的选择 | 第25页 |
| ·损失函数的选择 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 支持向量机回归建模 | 第27-39页 |
| ·非线性建模理论研究现状与意义 | 第27-28页 |
| ·系统过程建模的一般原理 | 第28-30页 |
| ·系统建模的一些基本概念 | 第28-29页 |
| ·系统建模的原理 | 第29-30页 |
| ·支持向量机回归在线建模 | 第30-33页 |
| ·支持向量机回归建模 | 第30-31页 |
| ·支持向量机回归在线建模算法的提出 | 第31-32页 |
| ·与支持向量机其他训练算法的比较 | 第32-33页 |
| ·应用算例 | 第33-38页 |
| ·支持向量机回归建模 | 第33-35页 |
| ·无噪音下的回归建模 | 第35-36页 |
| ·有噪音情况下的支持向量机建模 | 第36页 |
| ·未知非线性动态系统建模 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 船舶同步发电机的数学模型 | 第39-53页 |
| ·前言 | 第39-40页 |
| ·同步发电机数学方程 | 第40-47页 |
| ·abc坐标下的有名值方程 | 第40-41页 |
| ·派克变换 | 第41-42页 |
| ·dq0坐标下的有名值方程 | 第42-43页 |
| ·同步电机标么制 | 第43-45页 |
| ·dq0坐标下的标么值方程 | 第45页 |
| ·同步发电机数学模型的简化 | 第45-47页 |
| ·MATLAB语言及Simulink简介 | 第47页 |
| ·船舶电力系统 | 第47-49页 |
| ·船舶电力系统的特点 | 第47-48页 |
| ·船舶电站仿真系统框图 | 第48-49页 |
| ·船舶同步发电机系统仿真 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 支持向量机理论在船舶同步发电机建模中的应用 | 第53-62页 |
| ·前言 | 第53页 |
| ·训练及验证所需数据来源 | 第53-54页 |
| ·样本数据的采集 | 第53-54页 |
| ·数据的预处理 | 第54页 |
| ·船舶同步发电机的支持向量机模型的建立 | 第54-56页 |
| ·基于支持向量机的船舶同步发电机模型 | 第56-60页 |
| ·训练支持向量机模型 | 第56-59页 |
| ·SVMR参数的分析 | 第59页 |
| ·对支持向量机发电机模型的测试 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·结论 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 参考文献 | 第66-70页 |