| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·论文研究的背景和意义 | 第7-8页 |
| ·目前国内外的研究现状 | 第8-10页 |
| ·本文的主要内容 | 第10-12页 |
| 2 统计学习理论相关知识 | 第12-25页 |
| ·关于学习问题 | 第12-13页 |
| ·统计学习理论 | 第13-15页 |
| ·经验风险与泛化能力 | 第13-14页 |
| ·VC 维 | 第14页 |
| ·推广能力与结构风险 | 第14-15页 |
| ·最优超平面 | 第15-16页 |
| ·支持向量机 | 第16-21页 |
| ·支持向量分类机 | 第16-18页 |
| ·ε不敏感损失函数 | 第18-19页 |
| ·支持向量回归机 | 第19-21页 |
| ·核函数 | 第21-23页 |
| ·核函数的定义 | 第22页 |
| ·核函数的判定及其性质 | 第22-23页 |
| ·支持向量机中常用的核函数 | 第23页 |
| ·本章小结 | 第23-25页 |
| 3 支持向量机的间谐波参数估计方法 | 第25-39页 |
| ·电网参数模型 | 第25-26页 |
| ·傅里叶展开的核 | 第26-27页 |
| ·支持向量回归机的间谐波参数估计 | 第27-28页 |
| ·间谐波参数估计的原理 | 第27页 |
| ·支持向量机间谐波估计的步骤 | 第27-28页 |
| ·支持向量机的改进算法 | 第28-33页 |
| ·最小二乘支持向量机回归算法 | 第28-30页 |
| ·LS-SVM 的增量学习算法 | 第30-31页 |
| ·Renyi 熵 | 第31-32页 |
| ·基于 Renyi 熵的迭代 LS-SVM 的间谐波估计 | 第32-33页 |
| ·仿真分析 | 第33-37页 |
| ·基于 Renyi 熵的迭代 LS-SVM 支持向量分析 | 第33-35页 |
| ·无噪声情况下的参数估计仿真 | 第35页 |
| ·含噪声情况下的参数估计仿真 | 第35-37页 |
| ·频率参数对幅值和相位估计的影响 | 第37页 |
| ·本章小结 | 第37-39页 |
| 4 求根多重信号分类算法 | 第39-47页 |
| ·通常情况下的数学模型 | 第39-41页 |
| ·Music 及其改进算法 | 第41-42页 |
| ·仿真分析 | 第42-45页 |
| ·不同频率估计方法的比较 | 第42-43页 |
| ·Root-MUSIC 算法的间谐波估计 | 第43-45页 |
| ·Root-MUSIC 算法参数的影响 | 第45页 |
| ·本章小结 | 第45-47页 |
| 5 Root-MUSIC 算法结合支持向量机的间谐波参数估计 | 第47-56页 |
| ·基于支持向量机的降噪方法 | 第47-50页 |
| ·降噪原理 | 第47-48页 |
| ·仿真实验 | 第48-50页 |
| ·分组处理方法 | 第50-52页 |
| ·仿真实验 | 第52-53页 |
| ·谐波和间谐波估计的综合流程 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 6 结论与展望 | 第56-59页 |
| ·主要结论 | 第56-57页 |
| ·后续研究工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
| A. 作者在攻读硕士学位期间发表的论文目录： | 第64页 |
| B. 作者在攻读硕士学位期间参与的科研项目目录： | 第64页 |
