| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 选题背景及研究意义 | 第10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.4 主要研究内容及思路 | 第13-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 2 SVM算法理论基础 | 第17-33页 |
| 2.1 机器学习基本概念 | 第17页 |
| 2.2 SVM算法理论基础 | 第17-25页 |
| 2.2.1 最优分类超平面 | 第18-19页 |
| 2.2.2 SVM算法 | 第19-22页 |
| 2.2.3 SVM变形算法 | 第22-25页 |
| 2.3 核函数理论 | 第25-29页 |
| 2.3.1 核函数的定义与性质 | 第25-28页 |
| 2.3.2 核函数在SVM算法中的应用 | 第28-29页 |
| 2.4 基于SVM的多参数优化理论 | 第29-32页 |
| 2.4.1 多参数优化算法概述 | 第29-30页 |
| 2.4.2 人工蜂群算法原理 | 第30-31页 |
| 2.4.3 改进人工蜂群算法原理 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于ABC多参数优化的SVM建模预测分析 | 第33-58页 |
| 3.1 基于联接结构寿命预测SVM算法的最优实现方法 | 第33-38页 |
| 3.1.1 传统SVM与最小二乘SVM对比分析 | 第33-35页 |
| 3.1.2 序列最小优化SVM算法 | 第35-36页 |
| 3.1.3 梯度缩减SVM与最小二乘SVM对比分析 | 第36-37页 |
| 3.1.4 SVM算法最优实现方法研究总结 | 第37-38页 |
| 3.2 基于联接结构寿命预测的核函数选择 | 第38-41页 |
| 3.3 基于ABC算法的SVM多参数优化 | 第41-52页 |
| 3.3.1 SVM参数的相互约束关系 | 第41-45页 |
| 3.3.2 基于径向基核函数SVM的最优参数组合区域 | 第45-48页 |
| 3.3.3 SVM模型的多参数优化算法 | 第48-50页 |
| 3.3.4 L-ABC-SVM优化方法 | 第50-52页 |
| 3.4 基于铆接结构加速腐蚀试验的算法验证分析 | 第52-57页 |
| 3.5 本章小结 | 第57-58页 |
| 4 联接结构加速寿命腐蚀试验预测模型 | 第58-83页 |
| 4.1 试验背景 | 第58页 |
| 4.2 搭建加速寿命腐蚀试验平台 | 第58-62页 |
| 4.3 原始数据预处理 | 第62-67页 |
| 4.3.1 数据预处理方法 | 第62-65页 |
| 4.3.2 数据预处理方案 | 第65-67页 |
| 4.4 基于L-ABC-SVM的联接结构寿命预测 | 第67-81页 |
| 4.4.1 不同核函数对比分析 | 第67-72页 |
| 4.4.2 不同回归预测模型方法对比 | 第72-78页 |
| 4.4.3 寿命预测的数学模型 | 第78-81页 |
| 4.4.4 机械联接结构的寿命预测 | 第81页 |
| 4.5 本章小结 | 第81-83页 |
| 5 机械联接结构寿命预测系统软件开发 | 第83-91页 |
| 5.1 软件开发平台简介 | 第83页 |
| 5.2 软件开发目标 | 第83-84页 |
| 5.3 软件总体设计 | 第84-90页 |
| 5.3.1 需求分析 | 第84页 |
| 5.3.2 软件设计 | 第84-87页 |
| 5.3.3 软件功能 | 第87-89页 |
| 5.3.4 软件应用 | 第89-90页 |
| 5.4 本章小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-99页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第99-100页 |
