文摘
英文文摘
声明
1引言
1.1研究背景及意义
1.2国内外研究进展
1.2.1水质评价研究现状
1.2.2水质预测研究玩状
1.3支持向量机在水质评价与预测中的应用研究
1.4本文研究的主要内容
2支持向量机概述
2.1机器学习与统计学习理论
2.1.1统计学习理论中涉及的一些基本概念
2.1.2机器学习
2.1.3统计学习理论的基本思想
2.2支持向量机概述
2.2.1相关数学基础
2.2.2最优超平面
2.2.3线性可分情况
2.2.4非线性可分情况
2.2.5不同点积形式的核函数
2.2.6支持向量回归机(SVR)基本理论
2.3本章小结
3支持向量机分类算法研究
3.1两类分类支持向量机
3.1.1 C-SVM系列算法
3.1.2 v-SVM系列算法
3.1.3 LS-SVM算法
3.1.4 W-SVM算法
3.1.5.LP-SVM算法
3.1.6超球面二值分类算法
3.1.7其它改进的SVM算法
3.2单值分类支持向量机(One-class SVM)
3.3支持向量机多值分类方法研究
3.3.1“一对多”方法(one-against-rest)
3.3.2“一对一”方法(One-against-one)
3.3.3 DDAG多值分类方法
3.3.4纠错输出编码法
3.3.5二叉树的SVM多值分类方法
3.4各种支持向量机算法的比较
3.5本章小结
4支持向量回归机算法研究
5 SVM在湖泊富营养化评价中的应用
5.1水体富营养化概述
5.2研究区概况与实验方法
5.2.1研究区概况
5.2.2实验方法
5.3基于SVM的湖泊富营养化评价方法研究
5.3.1模型的构建
5.3.2模型验证
5.4乌梁素海富营养化状况评价
5.5本章小结
6基于SVR模型的水质模拟与预测
6.1预测方法
6.2基于支持向量回归机的水质模拟与预测
6.2.1建模步骤
6.2.2参数的选取
6.2.3数据预处理
6.2.4 SVR水质模拟预测模型
6.2.5预测模型的参数选择与训练
6.2.6预测结果分析
6.3本章小结
7结论与展望
7.1结论
7.2存在的问题及展望
致谢
参考文献
作者简介