| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 1 绪论 | 第14-29页 |
| ·研究背景及意义 | 第14-16页 |
| ·国内外研究现状及发展趋势 | 第16-23页 |
| ·动力学环境预示研究 | 第16-17页 |
| ·机器学习发展概述 | 第17-20页 |
| ·支持向量机模型选择 | 第20-22页 |
| ·支持向量机应用研究 | 第22-23页 |
| ·本文研究内容与组织结构 | 第23-29页 |
| ·论文的主要研究内容 | 第23-25页 |
| ·论文的主要贡献和创新 | 第25-26页 |
| ·论文的组织结构 | 第26-29页 |
| 2 映射关系建模的理论基础 | 第29-53页 |
| ·映射关系理论分析 | 第29-33页 |
| ·映射关系存在的前提条件 | 第29-30页 |
| ·映射关系的存在性证明 | 第30-32页 |
| ·映射关系求解思路分析 | 第32-33页 |
| ·统计学习理论 | 第33-37页 |
| ·学习模型 | 第34页 |
| ·经验风险最小化模型 | 第34-35页 |
| ·VC维和结构风险最小化模型 | 第35-37页 |
| ·支持向量回归机算法 | 第37-42页 |
| ·支持向量回归机建模原理 | 第37-41页 |
| ·最小二乘支持向量回归机建模原理 | 第41-42页 |
| ·核函数与模型选择 | 第42-49页 |
| ·推广能力评价指标 | 第42-45页 |
| ·RBF核函数性质分析 | 第45页 |
| ·模型超参数的性质 | 第45-46页 |
| ·模型超参数的选择策略 | 第46-49页 |
| ·映射关系建模数据集 | 第49-51页 |
| ·误差指标 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 3 基于权重动态优化的SVM加权求解路径算法 | 第53-78页 |
| ·支持向量机求解路径算法原理简介 | 第53-57页 |
| ·加权支持向量机求解路径算法 | 第57-59页 |
| ·启发式权重优化算法 | 第59-63页 |
| ·权重优化的必要性 | 第59页 |
| ·启发式策略 | 第59-61页 |
| ·启发式权重优化算法 | 第61-63页 |
| ·基于标准数据集的实验验证 | 第63-70页 |
| ·含噪声的回归函数数据 | 第63-67页 |
| ·时间序列预测 | 第67-70页 |
| ·映射关系建模效果验证 | 第70-77页 |
| ·圆柱壳冲击时域仿真数据建模 | 第70-74页 |
| ·圆柱壳随机频域实验数据建模 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 4 基于小世界策略的LS-SVM回归机参数选择算法 | 第78-101页 |
| ·小世界优化算法与禁忌搜索 | 第78-80页 |
| ·基于禁忌搜索的小世界优化算法 | 第80-86页 |
| ·基本定义 | 第80-81页 |
| ·主要算子 | 第81-83页 |
| ·TSWO算法流程 | 第83页 |
| ·收敛性分析 | 第83-86页 |
| ·基于小世界策略的LS-SVM回归机参数选择 | 第86-87页 |
| ·标准数据集实验验证 | 第87-97页 |
| ·典型多峰函数测试 | 第87-89页 |
| ·LS-SVR泛化误差界有效性测试 | 第89-94页 |
| ·基于TSWO的LS-SVR模型选择测试 | 第94-97页 |
| ·映射关系建模效果验证 | 第97-99页 |
| ·圆柱壳冲击仿真时域数据测试 | 第97-99页 |
| ·圆柱壳随机实验频域数据 | 第99页 |
| ·本章小结 | 第99-101页 |
| 5 基于主曲线的回归迁移学习算法 | 第101-112页 |
| ·迁移学习简介 | 第101-102页 |
| ·主曲线原理与K主曲线 | 第102-104页 |
| ·基于主曲线的回归迁移学习算法 | 第104-106页 |
| ·标准数据集实验验证 | 第106-108页 |
| ·映射关系建模效果验证 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 6 基于特征选择的多输入多输出映射关系建模方法研究 | 第112-125页 |
| ·多输入多输出建模思路分析 | 第112-113页 |
| ·多输入多输出支持向量机建模方法分析 | 第113-114页 |
| ·SVR特征选择 | 第114-117页 |
| ·基于SVR特征选择的MIMO映射关系建模方法 | 第117-119页 |
| ·映射关系建模实验验证 | 第119-123页 |
| ·时域响应预测 | 第119-122页 |
| ·频域响应预测 | 第122-123页 |
| ·本章小结 | 第123-125页 |
| 7 基于支持向量机求解路径算法的动态载荷识别 | 第125-133页 |
| ·动态载荷识别研究现状 | 第125-126页 |
| ·动态载荷识别原理 | 第126-127页 |
| ·基于SVR的动态载荷识别方法 | 第127-128页 |
| ·效果验证 | 第128-132页 |
| ·仿真数据 | 第128-130页 |
| ·实验数据 | 第130-132页 |
| ·本章小结 | 第132-133页 |
| 8 结论与展望 | 第133-136页 |
| 参考文献 | 第136-144页 |
| 附录 | 第144-147页 |
| 致谢 | 第147-148页 |
| 攻读学位期间取得的研究成果 | 第148-149页 |