| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·本文研究背景及意义 | 第10-11页 |
| ·支持向量机研究现状 | 第11-15页 |
| ·支持向量机训练算法的研究现状 | 第11-12页 |
| ·支持向量机应用研究现状 | 第12-13页 |
| ·支持向量机的扩展 | 第13-15页 |
| ·钢水温度预报方法的研究与应用现状 | 第15-19页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17-19页 |
| ·本文研究主要内容 | 第19-22页 |
| 第2章 最小二乘支持向量机 | 第22-36页 |
| ·统计学习理论 | 第22-24页 |
| ·VC维 | 第22-23页 |
| ·推广性的界 | 第23页 |
| ·结构风险最小化原理 | 第23-24页 |
| ·支持向量机原理 | 第24-30页 |
| ·支持向量机的思想 | 第24页 |
| ·支持向量回归算法 | 第24-30页 |
| ·最小二乘支持向量机 | 第30-33页 |
| ·LS-SVM的参数选择方法 | 第33-34页 |
| ·交叉确认法 | 第33页 |
| ·网格搜索法 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第3章 固定尺度最小二乘支持向量机的尺度确定 | 第36-48页 |
| ·固定尺度最小二乘支持向量机 | 第36-40页 |
| ·非线性映射函数的估计 | 第36-37页 |
| ·二次Renyi熵判据 | 第37-38页 |
| ·固定尺度最小二乘支持向量机 | 第38-40页 |
| ·尺度选择重要性 | 第40-42页 |
| ·基于减法聚类的尺度确定 | 第42-43页 |
| ·仿真实验 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 钢水温度预报模型 | 第48-64页 |
| ·建模原理 | 第48-54页 |
| ·精炼炉能量平衡 | 第48-50页 |
| ·精炼炉机理模型 | 第50-54页 |
| ·基于固定尺度最小二乘支持向量机的钢水温度预报模型 | 第54-56页 |
| ·模型输入和输出的确定 | 第54-55页 |
| ·固定尺度最小二乘支持向量机模型 | 第55-56页 |
| ·模型性能分析 | 第56-62页 |
| ·FS-LSSVM模型与LS-SVM模型的预报结果的对比分析 | 第56-59页 |
| ·尺度对FS-LSSVM模型预报结果的影响 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·工作总结 | 第64页 |
| ·工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |