基于支持向量机的非线性系统自适应控制
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·非线性控制的历史和现状 | 第10-11页 |
| ·自适应控制的历史和现状 | 第11-14页 |
| ·模糊自适应控制研究现状 | 第11-12页 |
| ·人工神经网络自适应控制研究现状 | 第12-14页 |
| ·模糊自适应控制和神经网络自适应控制存在的问题 | 第14页 |
| ·本文的主要研究内容及结构安排 | 第14-16页 |
| 第二章 统计学习理论和支持向量机 | 第16-32页 |
| ·机器学习的基本问题 | 第16-18页 |
| ·机器学习问题的基本表示 | 第16-17页 |
| ·风险最小化问题和经验风险最小化原则 | 第17页 |
| ·推广能力 | 第17-18页 |
| ·统计学习理论中的基本概念 | 第18-22页 |
| ·学习过程的一致性 | 第18-19页 |
| ·VC 维 | 第19-20页 |
| ·推广性的界 | 第20页 |
| ·结构风险最小化原则 | 第20-22页 |
| ·支持向量机 | 第22-27页 |
| ·最优超平面 | 第22-23页 |
| ·构造最优超平面 | 第23-26页 |
| ·核函数 | 第26-27页 |
| ·支持向量回归原理 | 第27-30页 |
| ·支持向量机算法 | 第30页 |
| ·支持向量回归在控制系统中的应用 | 第30-32页 |
| 第三章 基于投影次梯度的支持向量回归在线算法 | 第32-46页 |
| ·引言 | 第32-34页 |
| ·投影次梯度 | 第34-35页 |
| ·闭凸集上的投影 | 第34页 |
| ·投影次梯度 | 第34-35页 |
| ·自适应投影次梯度算法 | 第35页 |
| ·基于投影次梯度的支持向量回归在线算法 | 第35-42页 |
| ·支持向量回归 | 第35-39页 |
| ·支持向量回归的自适应投影次梯度算法 | 第39-41页 |
| ·算法实现及复杂度分析 | 第41-42页 |
| ·仿真实验与结果分析 | 第42-43页 |
| ·本章小结 | 第43-46页 |
| 第四章 基于支持向量机的非线性系统自适应控制 | 第46-60页 |
| ·引言 | 第46-47页 |
| ·问题描述 | 第47页 |
| ·基于支持向量机的状态反馈自适应控制 | 第47-52页 |
| ·控制器设计与分析 | 第47-48页 |
| ·仿真实验与结果分析 | 第48-52页 |
| ·基于支持向量机的输出反馈自适应控制 | 第52-55页 |
| ·控制器设计与分析 | 第52-54页 |
| ·仿真实验与结果分析 | 第54-55页 |
| ·本章小结 | 第55-60页 |
| 第五章 倒立摆控制系统仿真 | 第60-67页 |
| ·系统模型 | 第60-61页 |
| ·仿真实验与结果分析 | 第61-66页 |
| ·稳定性实验 | 第61-63页 |
| ·跟踪实验 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
