首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

相关向量回归元建模关键技术及其应用研究

摘要第1-13页
Abstract第13-15页
第一章 绪论第15-30页
   ·研究背景与意义第15-18页
   ·仿真元模型研究现状第18-25页
     ·元模型实验设计第18-19页
     ·元模型拟合方法第19-20页
     ·元模型验证与评估第20-21页
     ·元模型应用现状第21-23页
     ·存在问题第23-25页
   ·论文研究目标与研究思路第25-26页
   ·论文主要研究内容、组织结构和主要贡献第26-30页
     ·论文主要研究内容第26-27页
     ·论文组织结构第27-28页
     ·论文主要贡献第28-30页
第二章 相关向量回归元建模方法第30-54页
   ·元模型基础第30-36页
     ·元模型基本概念第30-32页
     ·元模型建立过程第32-35页
     ·元模型的评价指标第35-36页
   ·相关向量回归第36-43页
     ·仿真元建模的机器学习描述第36-37页
     ·贝叶斯学习理论第37-38页
     ·相关向量回归基本理论第38-43页
   ·仿真实验第43-53页
     ·确定性仿真实验第43-50页
     ·随机性仿真实验第50-53页
   ·小结第53-54页
第三章 基于进化算法的相关向量回归多核函数优化方法第54-76页
   ·核函数第54-56页
   ·多核学习方法第56-58页
   ·基于文化基因算法的RVR 线性多核函数优化方法第58-67页
     ·文化基因算法第59-61页
     ·基于稳态文化基因算法的线性多核函数优化方法第61-65页
     ·仿真实验与结果分析第65-67页
   ·基于遗传规划的RVR 非线性多核函数优化方法第67-75页
     ·遗传规划第67-70页
     ·基于遗传规划的非线性多核函数优化方法第70-73页
     ·仿真实验与结果分析第73-75页
   ·小结第75-76页
第四章 相关向量回归的集成学习算法第76-95页
   ·引言第76-77页
   ·集成学习方法第77-85页
     ·集成学习基本原理第77-79页
     ·个体学习器的生成第79-81页
     ·个体学习器的集成第81-85页
   ·相关向量回归的集成学习算法第85-94页
     ·基于Bagging 和多核选择的个体学习器生成第85-88页
     ·基于文化基因算法的选择性集成第88-89页
     ·算法描述第89页
     ·仿真实验与结果分析第89-94页
   ·小结第94-95页
第五章 相关向量回归的增量学习算法第95-109页
   ·引言第95-96页
   ·基于集成学习的相关向量回归增量学习算法第96-101页
     ·问题定义第96-97页
     ·基于集成学习的相关向量回归增量学习算法第97-99页
     ·动态选择和动态权重集成策略第99-100页
     ·算法描述第100-101页
   ·仿真实验第101-107页
     ·实验数据与实验方法第101-102页
     ·实验结果与分析第102-107页
   ·小结第107-109页
第六章 基于RVR 元模型的仿真优化方法及其应用研究第109-132页
   ·仿真优化第109-112页
     ·仿真优化概述第109-111页
     ·基于元模型的仿真优化方法第111-112页
   ·基于RVR 元模型的仿真优化方法第112-123页
     ·基于RVR 元模型的仿真优化算法框架第112-117页
     ·Wi-Fi 网络吞吐量优化实例第117-121页
     ·多目标优化算例第121-123页
   ·基于RVR 元模型的仿真优化方法在无人机通信网络中的应用第123-131页
     ·无人机通信网络仿真系统设计与实现第123-126页
     ·无人机通信网络协议性能仿真优化第126-131页
   ·小结第131-132页
第七章 结束语第132-135页
   ·结论第132-133页
   ·展望第133-135页
致谢第135-136页
参考文献第136-149页
作者在学期间取得的学术成果第149-152页
作者在学期间参加的科研项目第152-153页
附录 RVR-确定性仿真模型实验结果第153-158页

论文共158页,点击 下载论文
上一篇:武器装备采购的双方治理研究
下一篇:双足机器人跑步运动稳定性分析与协调控制技术研究