中文摘要：

本项目研究SVR算法收敛性分析、算法改进及应用,取得了一些有意义的结果。我们给出了基于紧支函数的SVR建模新方法,提高了算法的收敛性和计算效率;推导了2-范数不敏感损失函数的SVR递推算法及收敛性分析;基于Adaboost改进了SVM/SVR算法,提高学习准确性;将多种机器学习算法应用于蛋白质折叠问题。基于SVR建模及控制理论,提出了关于非线性系统和智能控制系统的分析与控制新思路,初步研究了如下问题:基元和逼近基元的概念和构造,描述动力学的基元模型和逼近基元模型以及建模方法,基元空间和逼近基元空间上的稳定性、控制能力、控制性能的基本概念和分析方法以及在模糊控制系统和神经网络控制系统中的应用,逼近基元空间上的非线性控制系统与智能控制系统基于稳定性和控制性能目标的设计方法,以及相应的系统分析与控制设计软件包的开发。初步研究成果表明,本项目提出的基元空间和逼近基元空间上的系统分析与控制设计理论有着诱人理论和应用前景,是对非线性控制、智能控制等复杂控制问题的有益的新尝试。