慢时变对象的支持向量机建模与在线校正方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·问题的提出 | 第9-10页 |
| ·时变系统特性的描述 | 第10-12页 |
| ·时变系统建模算法的研究概况 | 第12-15页 |
| ·主要研究内容 | 第15-17页 |
| 第2章 支持向量机与统计学理论 | 第17-37页 |
| ·统计学习理论的核心内容 | 第17-19页 |
| ·学习过程一致性的条件 | 第17-18页 |
| ·VC维 | 第18页 |
| ·结构风险最小化 | 第18-19页 |
| ·支持向量机的理论 | 第19-24页 |
| ·最优超平面 | 第19-20页 |
| ·线性情况 | 第20-22页 |
| ·非线性情况 | 第22-23页 |
| ·支持向量 | 第23-24页 |
| ·核函数 | 第24页 |
| ·支持向量机回归和KKT条件 | 第24-27页 |
| ·支持向量机去噪 | 第27-30页 |
| ·引言 | 第27页 |
| ·小波变换方法 | 第27-29页 |
| ·支持向量机方法 | 第29-30页 |
| ·仿真研究结果 | 第30-35页 |
| ·支持向量机建模仿真 | 第30-32页 |
| ·去噪仿真与对比 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 第3章 支持向量机增量算法及改进 | 第37-53页 |
| ·增量支持向量机ZD-SVM算法 | 第37-41页 |
| ·增量学习后支持向量集变化分析 | 第37-38页 |
| ·增量学习算法ZD-SVM | 第38-39页 |
| ·ZD-SVM仿真结果验证 | 第39-41页 |
| ·增量支持向量机AO-SVM算法 | 第41-49页 |
| ·添加新样本的递增算法 | 第42-45页 |
| ·删除冗余样本的递减算法 | 第45-46页 |
| ·基本算法的改进处理 | 第46-48页 |
| ·AO-SVM仿真结果验证 | 第48-49页 |
| ·仿真研究结果与对比 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 PCA-SVM在线建模方法 | 第53-67页 |
| ·主成分分析(PCA)的基本概念及问题描述 | 第53-56页 |
| ·PCA的基本问题 | 第53-54页 |
| ·PCA原理 | 第54页 |
| ·主成分的求解步骤 | 第54-55页 |
| ·主成分的求解方法 | 第55-56页 |
| ·主元个数的确定 | 第56页 |
| ·基于PCA的过程监测 | 第56-58页 |
| ·SPE统计量监测指标 | 第56-57页 |
| ·T~2统计量监测指标 | 第57页 |
| ·基于PCA的监测步骤 | 第57-58页 |
| ·仿真研究结果 | 第58-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 附录A | 第75-79页 |
