| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 研究现状 | 第16-21页 |
| 1.3.1 回归模型预测 | 第16-18页 |
| 1.3.2 回归模型的估计方法 | 第18-21页 |
| 1.4 研究的主要工作 | 第21-22页 |
| 1.5 本论文的创新点 | 第22-24页 |
| 第二章 罚函数方法的研究进展 | 第24-42页 |
| 2.1 罚函数方法的简述 | 第24-25页 |
| 2.2 罚函数的基本方法 | 第25-37页 |
| 2.2.1 Lasso及其相关罚函数方法 | 第25-34页 |
| 2.2.2 图正则化罚函数方法 | 第34-35页 |
| 2.2.3 其它罚函数方法 | 第35-37页 |
| 2.3 模型的选取及其估计算法 | 第37-42页 |
| 2.3.1 Lasso估计的算法 | 第38-40页 |
| 2.3.2 图正则化估计的算法 | 第40-41页 |
| 2.3.3 模型选取的标准 | 第41-42页 |
| 第三章 基于桥(Bridge)和图正则化的线性回归关联预测模型 | 第42-61页 |
| 3.1 桥(Bridge)和图正则化罚函数方法 | 第42-43页 |
| 3.2 图权重矩阵的建立 | 第43-45页 |
| 3.3 模型参数估计及其算法研究 | 第45-48页 |
| 3.4 模型的评选标准 | 第48-49页 |
| 3.5 线性回归模型理论依据-Oracle性质 | 第49-51页 |
| 3.6 线性回归模型的理论依据-群组效应(Grouping effect) | 第51-53页 |
| 3.7 桥和图罚函数模型的确定 | 第53-56页 |
| 3.8 模型的验证研究 | 第56-59页 |
| 3.9 小结 | 第59-61页 |
| 第四章 基于桥(Bridge)和图正则化的向量自回归关联预测模型 | 第61-87页 |
| 4.1 向量自回归模型 | 第61-64页 |
| 4.1.1 弹性网络惩罚函数 | 第63页 |
| 4.1.2 权重融合惩罚函数 | 第63-64页 |
| 4.1.3 图正则化下拉普拉斯惩罚函数 | 第64页 |
| 4.2 桥(Bridge)和图正则化惩罚函数 | 第64-65页 |
| 4.3 模型中参数估计的理论依据 | 第65-66页 |
| 4.4 向量自回归模型收敛策略研究 | 第66-77页 |
| 4.4.1 收敛原理 | 第68页 |
| 4.4.2 相关证明 | 第68-77页 |
| 4.5 模型的验证研究 | 第77-80页 |
| 4.6 基于动态LDA及VAR模型的BIBM文章主题关联预测分析 | 第80-85页 |
| 4.7 小结 | 第85-87页 |
| 第五章 基于桥和图的复杂关联预测及其分析 | 第87-104页 |
| 5.1 复杂关联预测模型 | 第87-94页 |
| 5.1.1 模型的建立 | 第88-90页 |
| 5.1.2 带有符号的图正则化自回归模型 | 第90-94页 |
| 5.2 坐标下降算法的收敛原理 | 第94-96页 |
| 5.3 预测模型的结果及其方法比较 | 第96-100页 |
| 5.4 小结 | 第100-104页 |
| 第六章 预测模型估计量的一般性收敛原理 | 第104-115页 |
| 6.1 理论阐述 | 第104-107页 |
| 6.2 相关理论证明 | 第107-111页 |
| 6.3 两个例子 | 第111-114页 |
| 6.4 小结 | 第114-115页 |
| 第七章 全文总结 | 第115-117页 |
| 参考文献 | 第117-124页 |
| 在学期间完成或已发表的文章 | 第124-126页 |
| 致谢 | 第126页 |
