灰色支持向量机在小样本预测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-14页 |
| ·引言 | 第11页 |
| ·支持向量机的研究现状 | 第11-12页 |
| ·灰色理论的研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第二章 支持向量回归机的基本理论 | 第14-24页 |
| ·统计学习理论 | 第14-15页 |
| ·支持向量回归机原理 | 第15-20页 |
| ·最优分类面 | 第15-18页 |
| ·高维空间中的最优分类面 | 第18-19页 |
| ·核函数 | 第19-20页 |
| ·支持向量回归机的几种算法 | 第20-23页 |
| ·ε-支持向量机方法 | 第20-21页 |
| ·最小二乘支持向量机方法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 灰色系统理论 | 第24-31页 |
| ·灰色系统的产生 | 第24-25页 |
| ·灰色关联分析 | 第25-26页 |
| ·灰色关联分析 | 第25页 |
| ·灰色关联度 | 第25-26页 |
| ·灰色GM(1,1)模型 | 第26-30页 |
| ·GM(1,1)模型 | 第26-27页 |
| ·改进GM(1,1)模型的研究现状 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 灰关联分析支持向量机模型(GASVM) | 第31-38页 |
| ·灰色关联分析支持向量机模型 | 第31-34页 |
| ·GASVM模型的应用 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 灰预测支持向量机模型(GMSVM) | 第38-53页 |
| ·GM(1,1)模型的分析与改进 | 第38-50页 |
| ·提高数据序列的光滑度模型(SGM模型) | 第38-43页 |
| ·预测公式中初值的选取(IGM模型) | 第43-45页 |
| ·模型中背景值的影响(BGM模型) | 第45-50页 |
| ·GMSVN模型的建立与应用 | 第50-52页 |
| ·灰色支持向量机预测模型的建立 | 第50页 |
| ·仿真实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 工作总结与展望 | 第53-55页 |
| ·工作总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读硕士期间发表的论文 | 第59页 |
