| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·论文研究背景及意义 | 第9-10页 |
| ·软测量技术基本原理及建模方法综述 | 第10-15页 |
| ·软测量技术基本原理 | 第10-12页 |
| ·人工神经网络在软测量建模中的应用 | 第12-13页 |
| ·支持向量机在软测量建模中的应用 | 第13-15页 |
| ·软测量技术应用现状及所面临的主要问题 | 第15-17页 |
| ·软测量技术应用现状 | 第15-16页 |
| ·软测量技术所面临的主要问题 | 第16-17页 |
| ·铝带坯晶粒度软测量建模的研究现状 | 第17-18页 |
| ·论文主要研究内容与章节安排 | 第18-20页 |
| 第二章 基于聚类的多支持向量机软测量建模方法研究 | 第20-42页 |
| ·数据预处理技术 | 第20-23页 |
| ·误差处理 | 第20-22页 |
| ·数据变换 | 第22-23页 |
| ·基于减法聚类改进的模糊C-均值聚类算法研究 | 第23-32页 |
| ·模糊C-均值聚类算法 | 第23-25页 |
| ·基于减法聚类改进的模糊C-均值聚类算法 | 第25-27页 |
| ·算法仿真研究及结果分析 | 第27-32页 |
| ·多支持向量机软测量建模方法研究 | 第32-41页 |
| ·支持向量机回归基本原理 | 第32-37页 |
| ·多模型软测量建模基本方法分析 | 第37-40页 |
| ·基于模糊聚类的多支持向量机软测量建模 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 粒子蜂群算法研究及其在支持向量机参数优化中的应用 | 第42-61页 |
| ·智能优化算法概述 | 第42-44页 |
| ·进化优化算法 | 第42-43页 |
| ·群智能优化算法 | 第43-44页 |
| ·粒子群算法与人工蜂群算法 | 第44-52页 |
| ·粒子群算法基本原理 | 第44-47页 |
| ·人工蜂群算法基本原理 | 第47-52页 |
| ·一种新型的粒子蜂群算法及其性能测试 | 第52-60页 |
| ·粒子蜂群算法基本原理 | 第53-54页 |
| ·算法性能测试及结果分析 | 第54-60页 |
| ·粒子蜂群算法在支持向量机参数优化中的应用 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第四章 铝带坯晶粒度多支持向量机软测量建模及仿真研究 | 第61-71页 |
| ·铝电磁铸轧工艺概述及影响带坯晶粒度的因素 | 第61-63页 |
| ·铝电磁铸轧工艺概述 | 第61-63页 |
| ·影响铝带坯晶粒度的因素 | 第63页 |
| ·铝带坯晶粒度多支持向量机软测量建模 | 第63-64页 |
| ·模型仿真研究及结果分析 | 第64-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间主要的研究成果 | 第79页 |