| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 致谢 | 第7-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-27页 |
| ·引言 | 第11-12页 |
| ·高炉过程 | 第12-16页 |
| ·高炉炼铁概述 | 第12-14页 |
| ·国内外炉温预测模型研究综述 | 第14-15页 |
| ·炉温预测模型相关变量分析 | 第15-16页 |
| ·影响炉温水平的工艺参数 | 第15-16页 |
| ·炉温预报模型输入参数的选择 | 第16页 |
| ·独立成分分析 | 第16-18页 |
| ·独立成分分析概述 | 第17-18页 |
| ·独立成分分析与主元分析比较 | 第18页 |
| ·支持向量机 | 第18-25页 |
| ·支持向量机综述 | 第18-19页 |
| ·支持向量机研究现状 | 第19-25页 |
| ·支持向量机的应用 | 第25页 |
| ·本文的主要工作 | 第25-26页 |
| ·本文的组织 | 第26-27页 |
| 第二章 独立成分分析和支持向量机 | 第27-41页 |
| ·引言 | 第27页 |
| ·独立成分分析 | 第27-30页 |
| ·独立成分分析的基本定义 | 第27-28页 |
| ·独立成分分析的估计原理 | 第28-29页 |
| ·独立成分分析的算法 | 第29-30页 |
| ·支持向量机 | 第30-39页 |
| ·支持向量机基本原理 | 第31-34页 |
| ·支持向量机回归算法 | 第34-37页 |
| ·最小二乘支持向量机 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 铁水硅含量预报的ICA-SVM建模方法 | 第41-51页 |
| ·引言 | 第41-42页 |
| ·铁水硅含量预报模型结构描述 | 第42-43页 |
| ·基于改进的动态ICA样本数据动态特征提取 | 第43-45页 |
| ·动态ICA的特征提取 | 第43-44页 |
| ·FastICA算法步骤 | 第44-45页 |
| ·基于LS-SVM的铁水硅预报模型回归建模 | 第45-47页 |
| ·LS-SVM的铁水硅预报模型回归建模分析 | 第45-46页 |
| ·ICA-LSSVM的铁水硅预报模型回归建模流程图 | 第46-47页 |
| ·应用实验 | 第47-49页 |
| ·结论 | 第49-51页 |
| 第四章 基于增量SVM的铁水硅含量在线预报模型 | 第51-63页 |
| ·引言 | 第51-52页 |
| ·增量型支持向量机回归 | 第52-55页 |
| ·KKT条件 | 第52-54页 |
| ·增量型支持向量机 | 第54-55页 |
| ·基于增量支持向量机(ISVM)的铁水硅预报回归在线建模 | 第55-59页 |
| ·满足度系数 | 第55-56页 |
| ·基于支持向量数据描述和等量替换原则的在线模型样本规模控制 | 第56-57页 |
| ·ISVM的铁水硅预报回归在线建模步骤 | 第57-59页 |
| ·仿真研究 | 第59-62页 |
| ·结论 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-75页 |
| 作者简介 | 第75页 |
