声明
摘要
第1章 绪论
1.1 黑箱白化的背景及意义
1.2 高炉黑箱建模技术的发展
1.2.1 线性模型
1.2.2 非线性模型
1.3 黑箱模型白化方法
1.3.1 先验信息集成技术
1.3.2 规则提取技术
1.4 本文内容
第2章 相关算法简介
2.1 支持向量机(SVM)分类器
2.1.1 单核支持向量机分类器
2.1.2 多核支持向量机分类器
2.1.3 多核松弛边界支持向量机分类器
2.2 先验信息集成算法
2.2.1 基于数据集上的先验信息
2.2.2 基于函数性质的先验信息
2.3 本章小结
第3章 基于多核支持向量机的数据型先验信息集成模型
3.1 多核支持向量机的数据型先验信息
3.1.1 数据型先验信息A
3.1.2 数据型先验信息B
3.2 多核支持向量机的数据型先验信息松弛化
3.3 多核支持向量机松弛数据型先验信息集成方法
3.3.1 多核松弛边界支持向量机的数据型先验信息集成算法
3.3.2 数据型先验信息集成算法的简化计算形式
3.3.3 基于数据型先验信息的铰链松弛多核支持向量机的求解
3.3.4 数据型先验信息集成算法数值实验
3.4 本章小结
第4章 基于多核支持向量机的高炉数据型先验信息及应用
4.1 多核支持向量机高炉数据型先验信息提取技术
4.1.1 高炉实验数据的选取和预处理
4.1.2 数据型先验信息特征参数选取方法
4.1.3 多核支持向量机的高炉数据型先验信息模型
4.2 数据型先验信息集成在高炉上的应用
4.2.1 高炉应用中核函数与相关参数的选取
4.2.2 实验结果与分析
4.2.3 本章小结
结论与展望
致谢
参考文献
浙江大学;