最小二乘支持向量机的改进及其在化学化工中的应用

摘要	第1-7页
Abstract	第7-11页
第一章 绪论	第11-18页
·引言	第11-13页
·常用经验建模方法	第13-14页
·经验建模的若干问题	第14-16页
·本文研究内容及组织	第16-18页
第二章 最小二乘支持向量机	第18-45页
·研究背景	第18-28页
·统计学习理论简介	第19-21页
·支持向量机原理	第21-26页
·SVM在实际应用中的若干问题	第26-28页
·LSSVM原理	第28-31页
·两类LSSVM分类器	第28-29页
·多类LSSVM分类器	第29-30页
·用于函数回归的LSSVM	第30-31页
·LSSVM在实际应用中的若干问题	第31-42页
·海量样本的LSSVM训练算法	第32-33页
·LSSVM超参数选择	第33-36页
·稀疏LSSVM	第36-39页
·加权LSSVM	第39-40页
·对LSSVM的其它改进	第40-42页
·LSSVM的应用	第42-43页
·本章小结	第43-45页
第三章 基于核函数的非线性分类相关分析	第45-62页
·维数灾难和降维策略发展概况	第46-47页
·分类相关分析算法	第47-51页
·基于核函数的非线性CCA算法	第51-55页
·CCA算法步骤的改写	第51-53页
·基于核函数的非线性CCA	第53-54页
·NLCCA与线性支持向量分类器的集成	第54-55页
·对于2个复杂化学模式分类问题的应用	第55-61页
·样本数据说明	第55-56页
·分类器的建立	第56-58页
·分类器的性能分析	第58-61页
·小结	第61-62页
第四章 LSSVM超参数选取的梯度法	第62-74页
·化工过程建模的意义	第62-63页
·梯度下降法选取LSSVM超参数	第63-69页
·算法原理和步骤	第63-67页
·算法测试	第67-69页
·G-LSSVM模型在柠檬酸发酵过程建模中的应用	第69-72页
·柠檬酸发酵过程简介	第70-71页
·柠檬酸发酵过程的G-LSSVM建模	第71-72页
·本章小结	第72-74页
第五章 二元汽液平衡计算的混合模型	第74-91页
·先验知识	第74-75页
·先验知识的定义	第74-75页
·先验知识与机理模型和经验模型之间的关系	第75页
·学习机器与先验知识混合的模型	第75-79页
·ANN与先验知识的混合	第76-78页
·SVM与先验知识的混合	第78-79页
·汽液平衡计算	第79-83页
·汽液平衡计算的常用方法	第79-82页
·汽液平衡计算的无模型法	第82-83页
·Gibbs-Duhem方程与学习机器混合建模	第83-85页
·对于两个二元汽液平衡体系的应用	第85-89页
·本章小结	第89-91页
第六章 基于统计分析的LSSVM稀疏化	第91-103页
·基于统计分析的LSSVM稀疏化算法基本思想	第91-94页
·样本个体的分类重要性	第92-93页
·非支持向量的信息转移	第93-94页
·两种稀疏化算法	第94-95页
·算法的测试与分析	第95-98页
·稀疏化算法的实际应用	第98-101页
·本章小结	第101-103页
第七章 基于核函数矩阵SVD分解实现SRM原则	第103-114页
·非线性模式分类与RKHS线性回归	第103-105页
·简化LSSVM	第105-106页
·SVD求解线性回归问题	第106-107页
·SVD-LSSVM算法及其分析	第107-111页
·算法步骤	第107-108页
·对SVD-LSSVM交叉验证的分析	第108-109页
·SVCR值对SVD-LSSVM分类性能的影响	第109-111页
·算法应用	第111-113页
·结论	第113-114页
第八章 总结与展望	第114-118页
·全文工作总结	第114-116页
·存在的不足	第116-117页
·工作展望	第117-118页
参考文献	第118-125页
致谢	第125-126页
作者攻读博士学位期间撰写的论文和参与的项目	第126页