1．支持向量机的基本原理 1
1.1 统计学习理论基础 1
1.2 支持向量分类机 4
1.3 多类支持向量分类机 10
1.4 支持向量回归机 15
1.5 支持向量机的变形算法 19
2．支持向量机的训练算法 24
2.1 支持向量机训练的停机准则 24
2.2 支持向量机训练中的分解算法 26
2.3 梯度上升算法 29
2.4 原对偶内点算法 34
2.5 支持向量机的增量学习法 38
2.6 一些特殊问题的讨论 43
3．支持向量机的模型选择 47
3.1 训练集选取与支持向量预提取 47
3.2 模型参数对支持向量机的影响 49
3.3 模型选择准则 54
3.4 基于变焦遗传算法的支持向量机参数选择 56
4．支持向量机在异步电机故障诊断中的应用 66
4.1 概述 66
4.2 异步电机主要故障机理分析 72
4.3 基于定子电流频谱信号的异步电机转子故障诊断 82
4.4 基于振动信号分析的异步电机故障诊断方法 87
5．支持向量机在电力变压器油中溶解气体诊断的应用 93
5.1 电力变压器故障诊断的油中溶解气体分析法 93
5.2 基于粗糙集理论的油中溶解气体诊断 100
5.3 基于支持向量机的油中溶解气体诊断 105
6．支持向量机在交流电机非参数建模中的应用 112
6.1 基于SVM的高速变频电机建模与仿真 112
6.2 基于SVM的开关磁阻电机非线性建模 122
6.3 基于SVM的双凸极永磁电机非线性建模与控制 126
7．支持向量机在短期负荷预测中的应用 131
7.1 概述 131
7.2 短期负荷预测模型分析 142
7.3 预测模型中输入特征的提取 146
7.4 短期负荷预测中的输入样本预处理 151
7.5 基于SVR的短期负荷预测算例分析 155
附录 最小二乘支持向量机算法程序（C代码） 160
参考文献 184