| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 软测量技术基本原理及建模方法概述 | 第11-13页 |
| 1.2.1 软测量技术基本原理 | 第11页 |
| 1.2.2 人工智能方法在软测量建模中的应用 | 第11-13页 |
| 1.3 软测量建模在污水水质预测领域的研究现状 | 第13-15页 |
| 1.4 本文主要工作及内容安排 | 第15-17页 |
| 第二章 相关向量机原理 | 第17-29页 |
| 2.1 相关向量机基础理论 | 第17-18页 |
| 2.1.1 贝叶斯统计决策理论 | 第17-18页 |
| 2.1.2 贝叶斯学习的优点 | 第18页 |
| 2.2 相关向量机回归模型 | 第18-24页 |
| 2.3 相关向量机分类器模型 | 第24-26页 |
| 2.4 相关向量机算法性能测试 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于模糊粗糙单调递增RVM的出水水质软测量模型 | 第29-41页 |
| 3.1 模糊粗糙单调模型 | 第29-31页 |
| 3.1.1 集合相关理论基础 | 第29-30页 |
| 3.1.2 模糊单调模型定义 | 第30-31页 |
| 3.2 等距离区间划分法 | 第31-32页 |
| 3.3 基于区间最小值的模糊粗糙单调属性约简算法 | 第32-36页 |
| 3.3.1 基于区间最小值的模糊单调依赖关系定义 | 第32-33页 |
| 3.3.2 基于区间最小值的模糊粗糙单调属性约简算法 | 第33页 |
| 3.3.3 基于模糊递增依赖算法的污水数据属性约简 | 第33-36页 |
| 3.4 污水出水水质的RVM模型仿真与结果 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于人工免疫算法的混合核函数相关向量机软测量建模 | 第41-53页 |
| 4.1 核函数的性质及常用核函数 | 第41-42页 |
| 4.2 核函数的确定 | 第42-45页 |
| 4.2.1 局部核函数 | 第42-43页 |
| 4.2.2 全局核函数 | 第43-44页 |
| 4.2.3 构造组合核函数 | 第44-45页 |
| 4.3 基于人工免疫算法的RVM参数寻优 | 第45-49页 |
| 4.3.1 免疫系统 | 第46-47页 |
| 4.3.2 人工免疫优化算法实现 | 第47-49页 |
| 4.3.3 基于人工免疫算法的混合核函数RVM参数寻优 | 第49页 |
| 4.4 基于混合核函数的RVM软测量建模与仿真 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于Fast-RVM的在线软测量回归模型 | 第53-66页 |
| 5.1 相关向量机快速自学习算法 | 第53-58页 |
| 5.1.1 快速边际似然算法 | 第53-56页 |
| 5.1.2 算法性能测试 | 第56-58页 |
| 5.2 基于快速相关向量机的在线污水水质预测模型 | 第58-59页 |
| 5.3 仿真实验与结果分析 | 第59-65页 |
| 5.3.1 实验环境 | 第59页 |
| 5.3.2 实验数据及预处理 | 第59-60页 |
| 5.3.3 建模与仿真 | 第60-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
