數(shù)學(xué)模型用來(lái)反映過(guò)程本身各有關(guān)變量之間本質(zhì)關(guān)系,它可能是代數(shù)方程、微分方程或幾何曲線(xiàn)。系統(tǒng)建模就是確定系統(tǒng)數(shù)學(xué)模型輸入與輸出之間的關(guān)系,現(xiàn)階段系統(tǒng)建模的熱點(diǎn)是基于輸入-輸出數(shù)據(jù)的非線(xiàn)性系統(tǒng)建模,出現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)、小波網(wǎng)絡(luò)等新的建模方法,但是結(jié)果依舊不盡人意。支持向量機(jī)是在統(tǒng)計(jì)學(xué)理論上發(fā)展的一種新的機(jī)器學(xué)習(xí)方法,由于其出色的學(xué)習(xí)性能,該技術(shù)已成為當(dāng)前國(guó)際機(jī)器學(xué)習(xí)界的研究熱點(diǎn)。本文利用支持向量機(jī),選取不同的核函數(shù),分別對(duì)線(xiàn)性自回歸滑動(dòng)平均模型,雙線(xiàn)性模型,非線(xiàn)性模型進(jìn)行系統(tǒng)建模。仿真結(jié)果表示該方法可以有效的解決神經(jīng)網(wǎng)絡(luò)過(guò)學(xué)習(xí)問(wèn)題,具有良好的性能。
【學(xué)位單位】：華北電力大學(xué)（河北）
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2005
【中圖分類(lèi)】：N945.12
【文章目錄】：
中文摘要
ABSTRACT
第一章 引言
    1.1 選題背景及意義
    1.2 支持向量機(jī)研究現(xiàn)狀
        1.2.1 理論研究
        1.2.2 應(yīng)用研究
        1.2.3 支持向量機(jī)在系統(tǒng)建模中的研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容和結(jié)構(gòu)安排
第二章 支持向量機(jī)的理論概述
    2.1 引言
    2.2 機(jī)器學(xué)習(xí)問(wèn)題的理論基礎(chǔ)
        2.2.1 機(jī)器學(xué)習(xí)概述
        2.2.2 機(jī)器學(xué)習(xí)問(wèn)題的表示
        2.2.3 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化歸納原則
        2.2.4 學(xué)習(xí)機(jī)器的復(fù)雜性和推廣能力
    2.3 統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)
        2.3.1 VC維
        2.3.2 推廣性的界理論
        2.3.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
    2.4 支持向量機(jī)
        2.4.1 最優(yōu)超平面的構(gòu)造
        2.4.2 支持向量機(jī)分類(lèi)算法推導(dǎo)
        2.4.3 核函數(shù)
    2.5 本章小結(jié)
第三章 支持向量機(jī)模型選擇
    3.1 模型參數(shù)選擇的主流方法
    3.2 其他參數(shù)選擇方法簡(jiǎn)介
    3.3 基于矩陣相似度量的參數(shù)選擇方法
第四章 系統(tǒng)階的辨識(shí)
    4.1 行列式比法
    4.2 AIC定階法
第五章 回歸支持向量機(jī)用于系統(tǒng)建模
    5.1 回歸型支持向量機(jī)
    5.2 線(xiàn)性ARAM系統(tǒng)建模研究
    5.3 雙線(xiàn)性系統(tǒng)建模研究
    5.4 一般非線(xiàn)性系統(tǒng)建模研究
    5.5 基于支持向量機(jī)的煤氣爐數(shù)據(jù)預(yù)測(cè)
第六章 結(jié)論與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和參加科研情況

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前5條

1 龐宇;自適應(yīng)逆控制在工業(yè)生產(chǎn)中的應(yīng)用[D];北京化工大學(xué);2007年

2 翟津;基于支持向量機(jī)的內(nèi)�？刂扑惴ㄑ芯考皯�(yīng)用[D];華北電力大學(xué)（河北）;2008年

3 陳源;鋅濕法冶煉電解過(guò)程能耗分析與建模[D];中南大學(xué);2008年

4 王玉靜;商業(yè)銀行信用風(fēng)險(xiǎn)度量方法研究[D];河北大學(xué);2008年

5 馬霞霞;基于GABP神經(jīng)網(wǎng)絡(luò)及SVM的房地產(chǎn)投資風(fēng)險(xiǎn)評(píng)價(jià)及應(yīng)用[D];西安理工大學(xué);2010年

本文編號(hào)：2875727