| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 机器学习的起源 | 第8-9页 |
| 1.1.2 支持向量机的起源 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 支持向量机的研究现状 | 第10-11页 |
| 1.2.2 支持向量回归机的研究现状 | 第11-13页 |
| 1.3 课题研究的目的和意义 | 第13页 |
| 1.4 本文的主要工作 | 第13-14页 |
| 1.5 本文的组织结构 | 第14-15页 |
| 第二章 相关背景知识介绍 | 第15-26页 |
| 2.1 支持向量机的理论基础 | 第15-17页 |
| 2.1.1 支持向量机的统计学习理论 | 第15-17页 |
| 2.1.2 核函数 | 第17页 |
| 2.2 支持向量分类机 | 第17-20页 |
| 2.2.1 支持向量分类机 | 第18-19页 |
| 2.2.2 几类支持向量分类机及应用介绍 | 第19-20页 |
| 2.3 支持向量回归机 | 第20-25页 |
| 2.3.1 支持向量回归机 | 第20-22页 |
| 2.3.2 多维输出支持向量回归机 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 多维输出双支持向量回归机（MTSVR） | 第26-34页 |
| 3.1 问题的提出 | 第26页 |
| 3.2 MTSVR 算法 | 第26-30页 |
| 3.2.1 TSVR 算法及其优越性 | 第26-27页 |
| 3.2.2 传统拆分法 | 第27-28页 |
| 3.2.3 MTSVR 算法建立 | 第28-30页 |
| 3.3 实验与分析 | 第30-33页 |
| 3.3.1 实验过程 | 第30-31页 |
| 3.3.2 实验结果与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于二范数的多维输出支持向量回归机(L_2-MSVR) | 第34-44页 |
| 4.1 问题的提出 | 第34-36页 |
| 4.2 多维输出支持向量回归机 | 第36-40页 |
| 4.2.1 四元数除代数情况下的支持向量回归机及其优越性 | 第36-38页 |
| 4.2.2 L_2-MSVR 算法建立 | 第38-40页 |
| 4.3 实验与分析 | 第40-43页 |
| 4.3.1 实验过程 | 第40-41页 |
| 4.3.2 实验结果与分析 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 扩充核空间的 L_2-M_kSVR | 第44-52页 |
| 5.1 扩充核空间的 L_2-M_kSVR | 第44-47页 |
| 5.1.1 L_2-M_kSVR 算法建立 | 第44-46页 |
| 5.1.2 实验结果与分析 | 第46-47页 |
| 5.2 多维支持向量回归机在股指预测中的应用 | 第47-51页 |
| 5.2.1 问题的提出 | 第47-49页 |
| 5.2.2 实验结果与分析 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录1 程序清单 | 第58-59页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |