支持向量回归机在四川省孕产妇、婴儿和5岁以下儿童死亡率统计预测中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 1、前言 | 第9-12页 |
| ·研究背景 | 第9-11页 |
| ·研究目的 | 第11-12页 |
| 2、资料来源与研究思路 | 第12-17页 |
| ·资料来源 | 第12页 |
| ·资料特点 | 第12页 |
| ·"三率"指标解释 | 第12-14页 |
| ·数据处理(样本设计) | 第14-16页 |
| ·研究思路 | 第16-17页 |
| 3、描述性分析——"三率"的变化趋势 | 第17-22页 |
| 4、预测方法 | 第22-37页 |
| ·径向基函数神经网络(RBFNN)模型 | 第22-26页 |
| ·人工神经网络的基本原理和特点 | 第22-23页 |
| ·RBF神经网络 | 第23-26页 |
| ·RBF神经网络的结构 | 第23-24页 |
| ·RBF神经网络学习过程 | 第24-25页 |
| ·RBF神经网络的计算机实现 | 第25-26页 |
| ·支持向量回归机(SVR)模型 | 第26-35页 |
| ·统计学习理论(SLT) | 第26-29页 |
| ·函数集的VC维 | 第27页 |
| ·经验风险最小化(ERM) | 第27-28页 |
| ·推广性的界和结构风险最小化(SRM) | 第28-29页 |
| ·支持向量回归机(SVR) | 第29-35页 |
| ·支持向量机(SVM)的原理 | 第30-32页 |
| ·支持向量回归机(SVR)的原理 | 第32-34页 |
| ·核函数 | 第34-35页 |
| ·支持向量回归机的计算机实现 | 第35页 |
| ·预测效果比较 | 第35-37页 |
| 5、结果 | 第37-48页 |
| ·RBFNN和SVR预测"三率"结果 | 第37-46页 |
| ·孕产妇死亡率预测结果 | 第37-40页 |
| ·婴儿死亡率预测结果 | 第40-43页 |
| ·5岁以下儿童死亡率预测结果 | 第43-46页 |
| ·预测效果比较 | 第46-48页 |
| 6、讨论 | 第48-54页 |
| ·关于支持向量机应用的体会 | 第48-50页 |
| ·支持向量回归机与RBF神经网络的比较 | 第50-51页 |
| ·关于预测效果的评价 | 第51-52页 |
| ·关于"三率"本身的讨论 | 第52-53页 |
| ·对于合理制定两纲目标的建议 | 第53-54页 |
| 7、总结 | 第54-56页 |
| ·结论 | 第54页 |
| ·本研究存在的不足及展望 | 第54-55页 |
| ·本研究特色 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 文献综述 支持向量机在时间序列预测中的研究进展 | 第61-113页 |
| 1 传统的时间序列预测方法 | 第62-77页 |
| ·经典的时间序列分析方法 | 第62-63页 |
| ·灰色预测模型 | 第63-64页 |
| ·人工神经网络模型 | 第64-74页 |
| ·神经网络的基本原理和特点 | 第65-67页 |
| ·神经网络的分类 | 第67-68页 |
| ·BP神经网络 | 第68-74页 |
| ·RBF神经网络的结构 | 第70-71页 |
| ·RBF神经网络学习过程 | 第71-74页 |
| ·组合预测方法 | 第74-77页 |
| 2 支持向量机(SVM)在时间序列预测中的应用 | 第77-102页 |
| ·机器学习问题 | 第77-81页 |
| ·学习问题的表述 | 第77-79页 |
| ·经验风险最小化(ERM) | 第79-80页 |
| ·复杂性与推广能力 | 第80-81页 |
| ·统计学习理论(SLT) | 第81-87页 |
| ·函数集的VC维 | 第82-83页 |
| ·推广性的界 | 第83-84页 |
| ·结构风险最小化(SRM) | 第84-87页 |
| ·支持向量机(SVM) | 第87-102页 |
| ·支持向量机(SVM)的提出和研究现状 | 第87-90页 |
| ·广义最优分类面 | 第90-93页 |
| ·支持向量机(SVM) | 第93-96页 |
| ·支持向量回归机(SVR)模型 | 第96-97页 |
| ·支持向量机与神经网络的比较 | 第97-99页 |
| ·支持向量机的计算机实现 | 第99页 |
| ·支持向量机在时间序列预测中的应用现状 | 第99-100页 |
| ·支持向量机存在的问题 | 第100-102页 |
| 综述参考文献 | 第102-113页 |
| 附录1 RBFNN预测程序 | 第113-115页 |
| 附录2 SVR预测程序 | 第115-117页 |
| 致谢 | 第117-118页 |
