| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·课题研究背景 | 第8-10页 |
| ·支持向量机国内外研究情况 | 第10-11页 |
| ·多目标进化算法最新研究进展 | 第11-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 2 支持向量机基本理论 | 第15-29页 |
| ·统计学习理论 | 第15-18页 |
| ·支持向量分类机 | 第18-20页 |
| ·支持向量回归机 | 第20-24页 |
| ·DE参数选择的支持向量机改进 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 3 多目标进化算法及其改进 | 第29-43页 |
| ·多目标优化的基本概念 | 第29-31页 |
| ·多目标优化的基本方法 | 第31-38页 |
| ·多目标优化算法及其改进 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 4 支持向量机与多目标进化算法的融合技术 | 第43-51页 |
| ·支持向量机建模 | 第43-45页 |
| ·适应度函数的选择 | 第45-46页 |
| ·SVM-INSDE融合算法流程 | 第46-47页 |
| ·算法验证 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于支持向量机-多目标进化算法融合技术的应用研究 | 第51-62页 |
| ·数据描述 | 第51-52页 |
| ·过程建模与仿真 | 第52-57页 |
| ·模型优化与结果 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| ·本文的主要工作 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |