机器学习在球墨铸铁蠕化率问题的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| §1-1 课题背景 | 第9-11页 |
| 1-1-1 球墨铸铁和蠕化率 | 第9-10页 |
| 1-1-2 球墨铸铁蠕化率的测定方法 | 第10页 |
| 1-1-3 球墨铸铁温度数据性质 | 第10-11页 |
| 1-1-4 机器学习与热分析相结合预测蠕化率 | 第11页 |
| §1-2 国内外研究现状 | 第11-13页 |
| §1-3 论文研究内容 | 第13页 |
| §1-4 论文结构 | 第13-14页 |
| 第二章 自适应滤波 | 第14-28页 |
| §2-1 小波分析简介 | 第14-21页 |
| 2-1-1 相关基本概念 | 第14-15页 |
| 2-1-2 小波与连续小波变换 | 第15-16页 |
| 2-1-3 离散小波变换 | 第16-17页 |
| 2-1-4 多分辨率分析 | 第17-18页 |
| 2-1-5 小波滤波原理 | 第18-20页 |
| 2-1-6 试验及结果分析 | 第20-21页 |
| §2-2 自适应滤波的简介 | 第21-23页 |
| 2-2-1 自适应滤波思路 | 第21-22页 |
| 2-2-2 传统自适应滤波方法 | 第22-23页 |
| §2-3 基于均方误差与高频信号的折中评价方法 | 第23-24页 |
| §2-4 试验及结果分析 | 第24-27页 |
| §2-5 本章小结 | 第27-28页 |
| 第三章 免疫记忆克隆选择算法与支持向量机 | 第28-47页 |
| §3-1 免疫记忆克隆选择算法 | 第28-36页 |
| 3-1-1 生物免疫系统及其相关概念 | 第28-29页 |
| 3-1-2 免疫进化算法 | 第29-32页 |
| 3-1-3 克隆选择算法 | 第32-33页 |
| 3-1-4 免疫记忆克隆选择算法 | 第33-36页 |
| §3-2 支持向量机 | 第36-41页 |
| 3-2-1 统计学习理论 | 第36-37页 |
| 3-2-2 支持向量机 | 第37-41页 |
| §3-3 基于免疫记忆克隆选择算法的支持向量机 | 第41-45页 |
| 3-3-1 算法叙述 | 第41页 |
| 3-3-2 程序实现 | 第41-45页 |
| §3-4 与其他算法的对比试验及结果分析 | 第45-46页 |
| 3-4-1 WEKA机器学习平台简介 | 第45-46页 |
| 3-4-2 与其他算法间的对比结果 | 第46页 |
| §3-5 本章小结 | 第46-47页 |
| 第四章 总结与展望 | 第47-48页 |
| §4-1 工作总结 | 第47页 |
| §4-2 工作展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52页 |
