基于LS-SVM的软测量建模方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-13页 |
| ·软测量建模方法研究现状 | 第8-11页 |
| ·稀土萃取分离过程组分含量在线测量研究现状 | 第11-13页 |
| ·本文研究的内容与结构安排 | 第13-15页 |
| ·主要研究内容 | 第13页 |
| ·结构安排 | 第13-15页 |
| 2 用于回归的LS-SVM及仿真研究 | 第15-26页 |
| ·统计学习理论 | 第15-18页 |
| ·支持向量机 | 第18-20页 |
| ·支持向量原理 | 第18页 |
| ·支持向量机回归算法 | 第18-20页 |
| ·非线性SVR和核函数 | 第20页 |
| ·最小二乘支持向量机 | 第20-22页 |
| ·LS-SVM基本原理 | 第20-22页 |
| ·LS-SVM的稀疏化 | 第22页 |
| ·仿真研究 | 第22-25页 |
| ·基于LS-SVM的回归建模步骤 | 第22-23页 |
| ·仿真实例 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于LS-SVM的软测量建模 | 第26-33页 |
| ·稀土萃取分离过程描述 | 第26-28页 |
| ·基于LS-SVM的组分含量软测量 | 第28-32页 |
| ·基于LS-SVM的组分含量软测量方法的提出 | 第28-29页 |
| ·辅助变量的选取 | 第29页 |
| ·样本数据的前期处理 | 第29-31页 |
| ·模型的建立 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于改进的LS-SVM软测量建模方法 | 第33-49页 |
| ·LS-SVM的改进 | 第33-34页 |
| ·基于改进的LS-SVM软测量 | 第34-38页 |
| ·核函数的选取 | 第34页 |
| ·LS-SVM模型参数的选取 | 第34-36页 |
| ·基于改进的LS-SVM软测量建模步骤 | 第36-38页 |
| ·组分含量软测量仿真研究 | 第38-47页 |
| ·网格法选取LS-SVM参数建立模型 | 第38-41页 |
| ·软测量结果分析 | 第41-47页 |
| ·本章小结 | 第47-49页 |
| 5 基于QPSO-LS-SVM的软测量建模方法 | 第49-61页 |
| ·量子粒子群算法 | 第49-52页 |
| ·粒子群算法 | 第49-51页 |
| ·量子粒子群算法 | 第51-52页 |
| ·基于QPSO-LS-SVM的软测量 | 第52-55页 |
| ·基于QPSO的模型参数选取 | 第52-54页 |
| ·基于QPSO-LS-SVM的软测量建模步骤 | 第54-55页 |
| ·算法性能测试 | 第55页 |
| ·组分含量软测量仿真研究 | 第55-60页 |
| ·QPSO-LS-SVM软测量建模及结果分析 | 第55-59页 |
| ·软测量建模方法比较 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·研究工作总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69-73页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 附录B 论文中样本数据 | 第70-73页 |
