| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7页 |
| ·发酵过程建模概述 | 第7-9页 |
| ·基于动力学机理分析建模 | 第8页 |
| ·基于人工神经网络建模 | 第8页 |
| ·基于支持向量机建模 | 第8-9页 |
| ·其他建模方法 | 第9页 |
| ·发酵过程补料优化控制 | 第9-11页 |
| ·补料分批发酵的发展概况 | 第9-10页 |
| ·补料分批发酵中补料优化控制研究现状 | 第10-11页 |
| ·本课题主要研究内容 | 第11-12页 |
| 第二章 基于混合核支持向量机的发酵过程建模 | 第12-28页 |
| ·统计学理论 | 第12-14页 |
| ·统计学习发展概况 | 第12页 |
| ·统计学习理论的基本概念和核心内容 | 第12-14页 |
| ·支持向量机理论简述 | 第14-22页 |
| ·最优分类超平面与支持向量机分类 | 第15-16页 |
| ·支持向量机的函数回归 | 第16-17页 |
| ·支持向量机的训练算法 | 第17-19页 |
| ·核函数与混合核函数 | 第19-22页 |
| ·支持向量机在发酵过程中的建模 | 第22-27页 |
| ·谷氨酸发酵过程简介 | 第23页 |
| ·混合核支持向量机对谷氨酸发酵过程建模 | 第23-27页 |
| ·结论 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于粒子群算法和混合核SVM 的发酵过程补料优化控制 | 第28-39页 |
| ·粒子群优化算法简介 | 第28-30页 |
| ·粒子群算法的发展概况和基本思想 | 第28页 |
| ·粒子群算法的算法介绍 | 第28-29页 |
| ·粒子群算法的两个基本模型 | 第29-30页 |
| ·改进的粒子群优化算法 | 第30-33页 |
| ·量子粒子群算法原理 | 第30-31页 |
| ·量子粒子群算法与标准粒子群算法的比较 | 第31-33页 |
| ·发酵过程的补料控制 | 第33-34页 |
| ·补料分批发酵的主要控制参数 | 第33-34页 |
| ·补料分批发酵的补料控制 | 第34页 |
| ·基于QPSO 的发酵过程补料优化控制 | 第34-38页 |
| ·补料优化问题描述 | 第34-35页 |
| ·补料优化问题求解 | 第35-36页 |
| ·补料优化控制在谷氨酸发酵实验中的具体应用 | 第36-37页 |
| ·结论 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 发酵过程软测量与补料优化软件设计 | 第39-44页 |
| ·软件设计的目的和意义 | 第39页 |
| ·软件的设计和实现 | 第39-41页 |
| ·软件的设计环境 | 第39页 |
| ·软件设计的框图和功能 | 第39-40页 |
| ·软件功能的实现 | 第40-41页 |
| ·发酵过程软测量与补料优化软件的实际应用 | 第41-43页 |
| ·谷氨酸发酵过程软测量界面 | 第41-42页 |
| ·谷氨酸发酵过程补料优化界面 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·论文工作总结 | 第44页 |
| ·研究展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第52页 |