| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 应用支持向量机预测传热系数的研究背景和意义 | 第9-10页 |
| 1.2 应用支持向量机预测传热系数的研究现状 | 第10-11页 |
| 1.3 论文的研究内容及组织结构 | 第11-13页 |
| 第二章 统计学习理论和支持向量机概述 | 第13-24页 |
| 2.1 统计学习理论核心内容 | 第13-16页 |
| 2.1.1 机器学习 | 第13-14页 |
| 2.1.2 VC 维和推广性的界 | 第14-16页 |
| 2.1.3 结构风险最小化 | 第16页 |
| 2.2 支持向量机 | 第16-21页 |
| 2.2.1 最优分类面 | 第17-20页 |
| 2.2.2 核 | 第20-21页 |
| 2.3 支持向量机回归原理 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 水平圆管 MARANGONI 凝结现象的实验 | 第24-33页 |
| 3.1 实验系统 | 第24-28页 |
| 3.1.1 实验器件设计 | 第24页 |
| 3.1.2 实验循环回路系统 | 第24-27页 |
| 3.1.3 数据采集系统 | 第27-28页 |
| 3.2 实验测量方法 | 第28-30页 |
| 3.2.1 流速测量 | 第28页 |
| 3.2.2 温度测量 | 第28-29页 |
| 3.2.3 压力的测量 | 第29-30页 |
| 3.3 实验过程 | 第30-31页 |
| 3.4 凝结换热特性计算 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 支持向量回归机传热系数预测建模 | 第33-39页 |
| 4.1 LIBSVM 软件的介绍 | 第33-34页 |
| 4.2 遗传算法简介 | 第34-35页 |
| 4.3 水平圆管传热系数的支持向量机预测模型的建立 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 支持向量机模型基于实验的验证分析 | 第39-50页 |
| 5.1 支持向量回归机模型的验证及结果分析 | 第40-47页 |
| 5.1.1 不同压力下应用 GA 参数寻优的 v-SVR 实验结果验证 | 第40-44页 |
| 5.1.2 不同酒精浓度下应用 GA 参数寻优的 v -SVR 实验结果验证 | 第44-47页 |
| 5.2 基于遗传算法与粒子群算法优化参数的对比 | 第47-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 硕士期间发表论文 | 第54-55页 |
| 致谢 | 第55页 |
