|
|
|
基于支持向量机的甲醛浓度软测量 |
|
论文目录 |
|
摘要 | 第1-5页 | Abstract | 第5-9页 | 引言 | 第9-11页 | 1 研究背景及软测量技术概述 | 第11-21页 | ·工程背景 | 第11页 | ·甲醛生产过程概述 | 第11-14页 | ·软测量技术及建模方法研究现状 | 第14-17页 | ·基于传统方法的软测量模型 | 第15页 | ·基于回归分析的软测量模型 | 第15-16页 | ·基于智能方法的软测量模型 | 第16-17页 | ·软测量工程实现 | 第17-19页 | ·数据的预处理 | 第17-18页 | ·辅助变量的选择 | 第18-19页 | ·软测量模型的建立 | 第19页 | ·软测量模型的校正 | 第19页 | ·本文的主要工作 | 第19-21页 | 2 统计学习理论 | 第21-28页 | ·统计学习理论中的一些基本概念 | 第21页 | ·统计学习理论的发展历史 | 第21-22页 | ·统计学习理论的基本内容 | 第22-28页 | ·机器学习的基本问题 | 第22-25页 | ·统计学习理论的核心内容 | 第25-28页 | 3 支持向量机概述 | 第28-43页 | ·支持向量分类机 | 第28-32页 | ·支持向量回归机 | 第32-37页 | ·ε-SVR算法思想 | 第32-34页 | ·υ-SVR的引入 | 第34-35页 | ·LS-SVR算法简介 | 第35-37页 | ·支持向量机的应用研究 | 第37-39页 | ·支持向量机在建模中的应用研究现状 | 第37-38页 | ·支持向量机在软侧量中的应用研究现状 | 第38-39页 | ·支持向量机在实际应用中的关键技术 | 第39-43页 | ·核函数的本质 | 第39页 | ·核函数的类型 | 第39-40页 | ·参数选取的常用方法 | 第40-43页 | 4 基于二次规划的参数选取方法 | 第43-49页 | ·数据预处理及辅助变量的选择 | 第43-45页 | ·主元分析原理 | 第44-45页 | ·辅助变量的选择 | 第45页 | ·基于υ-SVR的甲醛生产过程模型的建立 | 第45-46页 | ·基于二次规划的参数选取方法的实现步骤 | 第46-49页 | 5 甲醛浓度软测量的具体实现及仿真实验 | 第49-60页 | ·基于RBF神经网络的甲醛浓度软测量 | 第49-52页 | ·RBF神经网络理论 | 第49-50页 | ·RBF神经网络软测量建模 | 第50-52页 | ·基于υ-SVR的甲醛浓度软测量 | 第52-57页 | ·网格搜索法的υ-SVR模型软测量 | 第52-54页 | ·基于二次规划的υ-SVR模型软测量 | 第54-57页 | ·三种建模方法的比较 | 第57-58页 | ·基于二次规划参数选取法的υ-SVR模型校正 | 第58-60页 | 结论 | 第60-62页 | 参考文献 | 第62-64页 | 附录A 部分甲醛生产设备及材质 | 第64-65页 | 攻读硕士学位期间发表学术论文情况 | 第65-66页 | 致谢 | 第66-67页 |
|
|
|
|
论文编号BS1499698,这篇论文共67页 会员购买按0.35元/页下载,共需支付23.45元。 直接购买按0.5元/页下载,共需要支付33.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|