基于支持向量和集成学习的板状刚玉质量预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 本文结构安排 | 第11-13页 |
| 第2章 相关理论基础 | 第13-26页 |
| 2.1 板状刚玉生产过程概述 | 第13-14页 |
| 2.2 LASSO参数估计 | 第14-16页 |
| 2.2.1 Lasso回归 | 第14-16页 |
| 2.2.2 Lasso的改进方法 | 第16页 |
| 2.3 支持向量方法 | 第16-21页 |
| 2.3.1 支持向量机 | 第16-18页 |
| 2.3.2 支持向量回归 | 第18-20页 |
| 2.3.3 核函数 | 第20-21页 |
| 2.4 基于CART的集成学习算法 | 第21-24页 |
| 2.4.1 随机森林 | 第23-24页 |
| 2.4.2 XGBOOST | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于支持向量和集成学习的质量预测 | 第26-35页 |
| 3.1 生产数据清洗与集成 | 第27-29页 |
| 3.2 降维 | 第29-31页 |
| 3.3 模型建立与调参 | 第31-34页 |
| 3.3.1 支持向量回归 | 第31-32页 |
| 3.3.2 随机森林 | 第32-33页 |
| 3.3.3 XGBOOST | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 实验结果与分析 | 第35-41页 |
| 4.1 模型评估 | 第35-36页 |
| 4.2 实验结果分析 | 第36-38页 |
| 4.3 模型应用 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 工作总结 | 第41-42页 |
| 5.2 工作展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 附录1 板状刚玉生产变量表 | 第48-49页 |
| 附录2 攻读硕士学位期间发表的论文 | 第49-50页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第50-51页 |
| 详细摘要 | 第51-55页 |
