| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源与研究背景 | 第10-12页 |
| 1.2 课题国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 统计学习理论与支持向量机 | 第16-26页 |
| 2.1 机器学习 | 第16-18页 |
| 2.2 统计学习理论基础 | 第18-21页 |
| 2.2.1 VC维 | 第18-19页 |
| 2.2.2 结构风险最小化原则 | 第19-21页 |
| 2.3 支持向量机基本原理 | 第21-26页 |
| 2.3.1 最优分类面 | 第21-22页 |
| 2.3.2 损失函数 | 第22-23页 |
| 2.3.3 核函数 | 第23-26页 |
| 第3章 FAST节点控制原理分析 | 第26-36页 |
| 3.1 FAST索网整网结构 | 第26-30页 |
| 3.1.1 FAST的整体结构 | 第26-27页 |
| 3.1.2 背架结构 | 第27-29页 |
| 3.1.3 FAST主索节点 | 第29页 |
| 3.1.4 索网调控方法及下拉索的布置 | 第29-30页 |
| 3.2 节点的变位分析 | 第30-33页 |
| 3.2.1 反射面变形策略 | 第30-32页 |
| 3.2.2 节点变位策略 | 第32-33页 |
| 3.3 节点位移控制建模 | 第33-36页 |
| 第4章 基于支持向量机的FAST节点建模与仿真研究 | 第36-52页 |
| 4.1 支持向量机回归 | 第36-40页 |
| 4.1.1 线性支持向量回归 | 第36-38页 |
| 4.1.2 非线性支持向量回归 | 第38-40页 |
| 4.2 基于支持向量机的FAST节点位移预测模型 | 第40-45页 |
| 4.2.1 模型的构建 | 第40-42页 |
| 4.2.2 模型的求解及主要参数 | 第42-43页 |
| 4.2.3 参数的选择方法 | 第43-44页 |
| 4.2.4 预测模型的评价方法 | 第44-45页 |
| 4.3 FAST节点位移预测模型的仿真研究 | 第45-52页 |
| 4.3.1 背景分析 | 第45页 |
| 4.3.2 数据预处理 | 第45-46页 |
| 4.3.3 FAST节点位移预测模型的仿真 | 第46-52页 |
| 第5章 基于参数改进的的FAST节点建模与仿真研究 | 第52-72页 |
| 5.1 基于粒子群优化的参数选择 | 第52-55页 |
| 5.1.1 粒子群算法原理 | 第52-54页 |
| 5.1.2 粒子群算法优化的FAST节点位移研究 | 第54-55页 |
| 5.2 基于遗传算法优化的参数选择 | 第55-58页 |
| 5.2.1 遗传算法基本原理 | 第55-57页 |
| 5.2.2 遗传算法优化的FAST节点位移建模研究 | 第57-58页 |
| 5.3 基于改进粒子群优化的参数选择 | 第58-60页 |
| 5.3.1 遗传算法和粒子群算法的优劣比较 | 第58-59页 |
| 5.3.2 一种改进的粒子群优化算法 | 第59-60页 |
| 5.4 FAST节点位移预测模型仿真及算法性能对比 | 第60-72页 |
| 5.4.1 粒子群优化的FAST节点位移预测模型仿真 | 第61-64页 |
| 5.4.2 遗传算法优化的FAST节点位移预测模型仿真 | 第64-67页 |
| 5.4.3 改进粒子群算法优化的FAST节点位移预测模型仿真 | 第67-69页 |
| 5.4.4 算法性能对比 | 第69-72页 |
| 第6章 结束语 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
