第1章 绪论 1
1.1 概述 1
1.2 支持向量机的发展 1
1.3 SVMR、建模与控制的研究现状与存在的问题 3
1.4 智能控制研究的现状与面临的挑战 7
1.5 研究的动机与目标 9
1.6 研究的内容 9
第2章 支持向量机与支持向量机回归 12
2.1 概述 12
2.2 SVM的基础 12
2.3 支持向量机 16
2.4 支持向量机回归 20
2.5 模型选择 27
2.6 支持向量机种类 30
2.7 本章小结 36
第3章 基于SVM的灾害天气预测方法 38
3.1 支持向量机灾害天气预测意义 38
3.2 支持向量机灾害天气建模与预测方法 38
3.3 支持向量机灾害天气预测实验 39
3.4 结论 43
3.5 本章小结 43
第4章 支持向量机回归非线性建模方法及应用 44
4.1 非线性建模理论研究现状与意义 44
4.2 系统过程建模的一般原理 45
4.3 支持向量机回归建模 47
4.4 结论 53
4.5 本章小结 53
第5章 支持向量机回归内模控制 54
5.1 概述 54
5.2 内模控制的基本原理 54
5.3 非线性内模控制的研究现状 56
5.4 支持向量机回归内模控制 57
5.5 SVMR内模控制的仿真与分析 60
5.6 结论 69
5.7 本章小结 69
第6章 支持向量机回归预测控制 70
6.1 概述 70
6.2 预测控制的原理 71
6.3 支持向量机回归预测控制 72
6.4 SVMR预测控制的实验与分析 78
6.5 结论 94
6.6 本章小结 95
第7章 在线稀疏最小二乘支持向量机回归 96
7.1 概述 96
7.2 最小二乘支持向量机 96
7.3 在线稀疏最小二乘支持向量机 97
7.4 在线稀疏最小二乘支持向量机收敛性分析 100
7.5 仿真实验及分析 103
7.6 结论 107
7.7 本章小结 107
第8章 基于OS-LSSVM的内模控制方法 108
8.1 概述 108
8.2 内模控制的基本原理 108
8.3 非线性内模控制的研究现状 110
8.4 OS-LSSVM回归内模控制 111
8.5 OS-LSSVM内模控制的实验与分析 113
8.6 结论 127
8.7 本章小结 128
第9章 数字温室环境OS-LSSVM建模与基于SP的控制方法研究 129
9.1 概述 129
9.2 温室智能控制的研究现状与存在问题 130
9.3 温室环境与作物生长模型 131
9.4 温室环境OS-LSSVM建模的研究 132
9.5 基于SPA的温室环境OS-LSSVMR控制方法 138
9.6 结论 142
9.7 本章小结 143
参考文献 144
后记 155