论文目录 | |
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-20页 |
| · 课题研究的背景以及其意义 | 第8-9页 |
| · 工业醋酸乙烯聚合反应过程概述 | 第9-14页 |
| · 醋酸乙烯聚合反应机理 | 第9-10页 |
| · 工业醋酸乙烯聚合工段流程 | 第10-11页 |
| · 醋酸乙烯聚合率相关要素 | 第11-14页 |
| · 软测量技术简介 | 第14-18页 |
| · 软测量技术总体思路 | 第14-15页 |
| · 软测量建模的基本步骤 | 第15-16页 |
| · 常见的软测量建模方法 | 第16-18页 |
| · 醋酸乙烯聚合率测量技术研究现状 | 第18-19页 |
| · 本文主要内容 | 第19-20页 |
| 第二章 支持向量机理论与性能分析 | 第20-32页 |
| · 支持向量机理论基础 | 第20-26页 |
| · 线性分类支持向量机 | 第20-24页 |
| · 非线性分类支持向量机 | 第24-25页 |
| · 非线性支持向量回归机原理 | 第25-26页 |
| · 最小二乘支持向量机回归理论 | 第26-28页 |
| · 支持向量机性能分析 | 第28-31页 |
| · 本章小结 | 第31-32页 |
| 第三章 基于 LSSVM 的 VAC 聚合率软测量模型研究 | 第32-40页 |
| · 基于 LSSVM 的 VAC 聚合率软测量模型的建立 | 第32-35页 |
| · 软测量模型辅助变量的确定 | 第32页 |
| · 软测量模型数据预处理 | 第32-34页 |
| · 软测量模型建立的步骤 | 第34-35页 |
| · VAC 聚合率软测量模型 MATLAB 仿真分析 | 第35-39页 |
| · LSSVM 在 MATLAB 中的实现 | 第35页 |
| · LSSVM 参数的选择 | 第35-36页 |
| · 模型 MATLAB 仿真及分析 | 第36-39页 |
| · 本章小结 | 第39-40页 |
| 第四章 遗传算法优化 LSSVM 参数的 VAC 聚合率软测量模型研究 | 第40-56页 |
| · 基本遗传算法 | 第40-43页 |
| · 基本遗传算法主要思想及原理 | 第40-41页 |
| · 基本遗传算法流程及特点分析 | 第41-43页 |
| · 自适应遗传算法 | 第43-45页 |
| · 自适应遗传算法基本原理 | 第43-44页 |
| · 自适应遗传算法流程 | 第44页 |
| · 自适应遗传算法特点及不足 | 第44-45页 |
| · 改进型自适应遗传算法 | 第45-51页 |
| · 改进型自适应遗传算法基本原理 | 第45-46页 |
| · 本文的改进工作 | 第46-48页 |
| · 改进型自适应遗传算法实现流程 | 第48-49页 |
| · 仿真实验与分析 | 第49-51页 |
| · 基于 IAGA-LSSVM 的 VAC 聚合率软测量建模 | 第51-55页 |
| · IAGA 优化 LSSVM 参数的软测量模型 | 第51-53页 |
| · 基于 IAGA-LSSVM 的 VAC 聚合率软测量仿真分析 | 第53-55页 |
| · 本章小结 | 第55-56页 |
| 第五章 基于 IOLSSVM 的 VAC 聚合率软测量模型研究 | 第56-68页 |
| · 在线学习最小二乘支持向量机算法 | 第56-62页 |
| · OLSSVM 的增加样本学习算法 | 第56-58页 |
| · OLSSVM 的缩减样本学习算法 | 第58-61页 |
| · OLLSVM 实现的步骤流程 | 第61-62页 |
| · 基于 IOLSSVM 的 VAC 聚合率软测量建模 | 第62-67页 |
| · IAGA 优化参数的 OLSSVM 软测量模型 | 第62-64页 |
| · 基于 IOLSSVM 的 VAC 聚合率软测量仿真分析 | 第64-67页 |
| · 本章小结 | 第67-68页 |
| 第六章 总结 | 第68-70页 |
| · 主要工作总结 | 第68-69页 |
| · 未来展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 A 原始样本数据经过预处理后的数据 | 第73-78页 |
| 附录 B 实现 LSSVM 的 MATLAB 代码 | 第78-80页 |
| 附录 C 三种遗传算法寻优求解结果数据 | 第80-83页 |
| 附录 D IOLSSVM 与 IAGA-LSSVM 软测量模型预测数据 | 第83-85页 |
| 个人简历 在读期间发表的学术论文 | 第85-86页 |
| 致谢 | 第86
页 |
