首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于机器学习的时间序列模型研究及其应用

摘要第5-7页
abstract第7-9页
第一章 绪论第13-24页
    1.1 研究工作的背景与意义第13-15页
    1.2 国内外研究历史与现状第15-20页
        1.2.1 时间序列互相关性分析研究历史与现状第15-17页
        1.2.2 时间序列多尺度分析研究历史与现状第17-19页
        1.2.3 时间序列预测应用研究历史与现状第19-20页
    1.3 本文的主要贡献与创新第20-22页
    1.4 本论文的结构安排第22-24页
第二章 时间序列分析理论和技术第24-37页
    2.0 引言第24页
    2.1 信息熵第24-25页
        2.1.1 Shannon熵第24-25页
        2.1.2 Tsallis熵第25页
    2.2 相关性分析的类型第25-27页
        2.2.1 自相关性分析第26页
        2.2.2 互相关性分析第26-27页
    2.3 尺度分析的类型第27-28页
        2.3.1 单尺度分析第27页
        2.3.2 多尺度分析第27-28页
    2.4 典型趋势分析方法第28-31页
        2.4.1 DFA趋势分析方法第29-30页
        2.4.2 MF-DFA趋势分析方法第30-31页
    2.5 机器学习的类型第31-36页
        2.5.1 人工神经网络第31-33页
        2.5.2 支持向量机第33-35页
        2.5.3 深度学习第35-36页
    2.6 本章小结第36-37页
第三章 时间序列互相关性分析研究第37-54页
    3.1 概述第37页
    3.2 基于DH-MXA的股票市场多属性的互相关性分析第37-41页
        3.2.1 MF-DXA方法第38-39页
        3.2.2 多尺度多属性互相关性分析方法第39-41页
    3.3 实验数据第41-45页
        3.3.1 人工生成的数据第41-42页
        3.3.2 市场真实的数据第42页
        3.3.3 数据的前期处理第42-45页
    3.4 实验结果分析第45-53页
        3.4.1 人工数据实验结果分析第45-46页
        3.4.2 真实数据实验结果分析第46-53页
    3.5 本章小结第53-54页
第四章 时间序列多尺度分析研究第54-73页
    4.1 概述第54页
    4.2 基于REM3PA方法的股指时间序列多尺度分析第54-57页
        4.2.1 Rényi熵第55-56页
        4.2.2 REM3PA方法第56-57页
    4.3 实验数据第57-58页
        4.3.1 数据来源第57-58页
        4.3.2 数据预处理第58页
    4.4 实验结果分析第58-72页
        4.4.1 多属性分析的必要性第58-62页
        4.4.2 REM3PA的实验结果分析第62-72页
    4.5 本章小结第72-73页
第五章 时间序列预测应用研究第73-97页
    5.1 概述第73-74页
    5.2 基于EEMD和机器学习方法的时间序列预测第74-82页
        5.2.1 EEMD经验模态分解第74-76页
        5.2.2 LSTM神经网络第76-80页
        5.2.3 提出方法的模型结构第80-82页
    5.3 实验数据及评价指标第82-85页
        5.3.1 人工模拟的数据第82-83页
        5.3.2 社会真实的数据第83页
        5.3.3 数据预处理第83-84页
        5.3.4 评价指标第84-85页
    5.4 实验结果及分析第85-95页
        5.4.1 同类其它方法实验结果分析第85-90页
        5.4.2 人工数据实验结果分析第90-95页
        5.4.3 真实数据实验结果分析第95页
    5.5 本章小结第95-97页
第六章 全文总结与展望第97-99页
    6.1 全文总结第97-98页
    6.2 后续工作展望第98-99页
致谢第99-101页
参考文献第101-115页
攻读博士学位期间取得的成果第115-116页

论文共116页,点击 下载论文
上一篇:马尔科夫链的多重网格算法及网页排序问题的求解
下一篇:无源可计算RFID系统固件控制方法研究