基于支持向量机的时间序列预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·时间序列预测模型研究现状 | 第10-11页 |
| ·支持向量机研究现状 | 第11-13页 |
| ·研究的热点及难点 | 第13页 |
| ·研究内容及论文结构 | 第13-15页 |
| 第2章 统计学习理论与支持向量机 | 第15-30页 |
| ·统计学习理论基础 | 第15-23页 |
| ·VC维 | 第16-17页 |
| ·模型说明 | 第17页 |
| ·模型估计 | 第17-20页 |
| ·期望风险和经验风险 | 第20-21页 |
| ·结构风险最小化原则 | 第21-23页 |
| ·SVM | 第23-29页 |
| ·SVM的基本思想 | 第23页 |
| ·支持向量回归算法 | 第23-26页 |
| ·核函数 | 第26-27页 |
| ·SVM参数选择方法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 时间序列预测 | 第30-38页 |
| ·时间序列概述 | 第30-32页 |
| ·时间序列的概念 | 第30页 |
| ·时间序列的种类 | 第30-32页 |
| ·时间序列模型 | 第32-36页 |
| ·时间序列模型概念 | 第32-33页 |
| ·确定型时间序列模型 | 第33-34页 |
| ·随机型时间序列模型 | 第34-35页 |
| ·时间序列模型与回归模型的比较 | 第35-36页 |
| ·时间序列预测的新方法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于SVM的时间序列预测 | 第38-53页 |
| ·蚁群算法 | 第38-44页 |
| ·基本蚁群算法的原理 | 第38-40页 |
| ·基本蚁群算法的数学模型 | 第40-42页 |
| ·连续优化问题的蚁群算法 | 第42-44页 |
| ·基于ACA的SVM参数优化算法 | 第44-49页 |
| ·可行性分析 | 第44-46页 |
| ·优化的思路及步骤 | 第46-49页 |
| ·基于SVM的时间序列预测建模的一般框架 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 SVM在粮食产量预测中的应用 | 第53-59页 |
| ·粮食产量预测模型的建立 | 第53页 |
| ·模型的学习训练与预测 | 第53-56页 |
| ·预测结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
