| 摘要 | 第1-9页 |
| Abstract | 第9-14页 |
| 第1章 绪论 | 第14-40页 |
| ·研究背景和选题意义 | 第14-15页 |
| ·偏最小二乘算法研究的历史与现状 | 第15-20页 |
| ·偏最小二乘算法的起源与发展 | 第15-16页 |
| ·偏最小二乘算法的研究现状 | 第16-20页 |
| ·机器学习的研究历史与统计学习理论基础 | 第20-29页 |
| ·机器学习的研究历史 | 第20-22页 |
| ·统计学习理论基础 | 第22-29页 |
| ·支持向量机理论研究的发展 | 第29-32页 |
| ·SVM的算法研究 | 第29-31页 |
| ·SVM的应用研究 | 第31页 |
| ·SVM的核函数和模型选择研究 | 第31-32页 |
| ·模糊系统模型理论研究的历史与现状 | 第32-36页 |
| ·模糊系统模型理论的起源与发展 | 第32-33页 |
| ·模糊系统模型理论的研究现状 | 第33-36页 |
| ·本文的研究工作和创新点 | 第36-40页 |
| 第2章 核偏最小二乘算法 | 第40-60页 |
| ·引言 | 第40-41页 |
| ·核偏最小二乘算法 | 第41-53页 |
| ·简化批处理 PLS算法 | 第41-45页 |
| ·S-KPLS算法 | 第45-48页 |
| ·一种 KPLS模型实际风险的指标 | 第48-51页 |
| ·仿真计算 | 第51-53页 |
| ·分块核偏最小二乘法 | 第53-59页 |
| ·BKPLS算法 | 第54-56页 |
| ·BKPLS与 KPLS的区别 | 第56-58页 |
| ·仿真计算 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第3章 PLS算法在基于子空间划分的模糊系统中的应用 | 第60-78页 |
| ·引言 | 第60-61页 |
| ·基于规则的模糊系统模型 | 第61-64页 |
| ·基于子空间划分的模糊系统模型 | 第64-71页 |
| ·基于子空间划分的模糊系统模型 | 第64-66页 |
| ·SPFS的系统模型辨识算法 | 第66-68页 |
| ·SPFS是万能逼近器的证明 | 第68-69页 |
| ·仿真计算 | 第69-70页 |
| ·关于 SPFS的进一步讨论 | 第70-71页 |
| ·改进的基于子空伺划分的模糊系统模型 | 第71-76页 |
| ·SPFS辨识算法的改进 | 第72-74页 |
| ·仿真计算 | 第74-76页 |
| ·小结 | 第76-78页 |
| 第4章 基于 SVM的 PLS改进算法 | 第78-98页 |
| ·引言 | 第78页 |
| ·支持向量机算法 | 第78-82页 |
| ·基于 SRM的 WPLS算法 | 第82-87页 |
| ·基于 SRM的 WPLS算法 | 第82-84页 |
| ·仿真计算 | 第84-87页 |
| ·基于 SVM的 T-S模糊系统模型辨识 | 第87-95页 |
| ·规则前件的抽取 | 第87-88页 |
| ·规则后件的辨识 | 第88-90页 |
| ·基于 SVM的T-S模糊系统模型的预测 | 第90-91页 |
| ·仿真计算 | 第91-95页 |
| ·小结 | 第95-98页 |
| 第5章 鲁棒PLS算法及其在接触网故障检测中的应用 | 第98-118页 |
| ·引言 | 第98-99页 |
| ·鲁棒递推 PLS算法 | 第99-110页 |
| ·递推 PLS算法 | 第99-102页 |
| ·鲁棒主分量回归算法 | 第102-104页 |
| ·鲁棒 RPLS算法 | 第104-106页 |
| ·仿真计算 | 第106-110页 |
| ·鲁棒偏最小二乘算法在接触网检测中的应用 | 第110-117页 |
| ·问题描述 | 第110-111页 |
| ·模型建立过程 | 第111-114页 |
| ·仿真计算 | 第114-117页 |
| ·小结 | 第117-118页 |
| 第6章 结论与展望 | 第118-120页 |
| 致谢 | 第120-121页 |
| 参考文献 | 第121-133页 |
| 攻读博士学位期间的论文及科研情况 | 第133页 |