文摘
英文文摘
声明
第一章绪论
1.1选题背景及其意义
1.1.1统计学习理论与支持向量机
1.1.2控制理论的发展及其面临的问题
1.1.3选题的意义
1.2国内外研究动态
1.2.1机器学习的研究
1.2.2统计学习理论及其支持向量机的研究概况
1.2.3支持向量回归的研究现状及其存在的问题
1.3智能预测控制的研究现状
1.3.1神经网络预测控制
1.3.2模糊预测控制
1.4本文的研究内容和结构安排
第二章统计学习理论与支持向量回归原理
2.1前言
2.2机器学习的基本问题
2.2.1问题的表示
2.2.2经验风险最小化
2.2.3复杂性与推广能力
2.3统计学习理论—支持向量机的理论背景
2.3.1学习过程一致性的条件
2.3.2 VC维
2.3.3泛化能力的界
2.3.4结构风险最小化
2.4支持向量机
2.4.1支持向量分类问题
2.4.2核函数
2.4.4支持向量机参数选择方法
2.4.3支持向量回归
2.5 小结
第三章时间序列预测的建模与分析研究
3.1前言
3.2时间序列的研究现状
3.2.1时间序列线性预测方法
3.2.2时间序列的非线性预测方法
3.3BP神经网络与自适应特征扩张神经网络原理简介
3.3.1BP神经网络简介
3.3.2自适应特征扩张神经网络原理简介
3.4时间序列预测实例
3.4.1仿真模型
3.4.2仿真比较
3.5仿真分析
3.6 小结
第四章序列最小优化算法研究及其改进
4.1引言
4.2 SMO算法
4.2.1 SMO算法基本原理
4.2.2 SMO算法的改进(I-SMO)
4.3仿真实验分析
4.3.1太阳黑子数据
4.3.2协调系统数据
4.3.3仿真结论
4.4 小结
第五章基于SVR的限定记忆在线辨识算法及其应用研究
5.1引言
5.2系统辨识的基本原理
5.3基于支持向量回归的限定记忆在线辨识算法
5.4主汽温系统辨识控制结构
5.4.1主汽温系统特性
5.4.2辨识结构
5.4.3单神经元自适应控制器
5.5主汽温对象辨识仿真实例
5.6小结
第六章支持向量回归在内模控制中的应用研究
6.1.引言
6.2.内模控制中的建模方法研究现状
6.3.内模控制原理
6.3.1内模控制的结构
6.3.2内模控制的性质
6.3.3内模控制器的设计
6.3.4滤波器的设计
6.4.基于支持向量回归的内模控制(SVR-IMC)系统设计
6.4.1建立正模型
6.4.2建立逆模型
6.5.支持向量回归内模控制仿真研究
6.5.1仿真对象数学模型
6.5.2仿真参数选择
6.5.3仿真结果分析
6.6小结
第七章基于支持向量回归误差补偿的动态矩阵控制
7.1引言
7.2动态矩阵控制算法
7.2.1预测模型
7.2.2反馈校正
7.2.3滚动优化
7.3支持向量回归误差补偿算法
7.3.1误差补偿动态矩阵控制
7.4仿真试验
7.5仿真结果分析
7.6小结
第八章结论与展望
参考文献
致谢
攻读博士学位期间发表的学术论文
攻读博士学位期间参加的科研工作