多变量时间序列极限学习机预测
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 时间序列 | 第8-9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.3.1 多变量时间序列预测现状 | 第10-11页 |
| 1.3.2 极限学习机研究现状 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12页 |
| 1.5 本文组织结构 | 第12-14页 |
| 第二章 极限学习机 | 第14-18页 |
| 2.1 引言 | 第14-15页 |
| 2.2 滑动窗口法 | 第15-16页 |
| 2.3 极限学习机 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 潜在极限学习机预测 | 第18-28页 |
| 3.1 引言 | 第18页 |
| 3.2 潜在极限学习机 | 第18-22页 |
| 3.2.1 低秩表达 | 第18-19页 |
| 3.2.2 模型的建立与求解 | 第19-22页 |
| 3.3 实验 | 第22-27页 |
| 3.3.1 实验数据 | 第22-24页 |
| 3.3.2 评价标准 | 第24页 |
| 3.3.3 实验结果 | 第24-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 奇异值分解极限学习机预测 | 第28-37页 |
| 4.1 引言 | 第28页 |
| 4.2 奇异值分解极限学习机 | 第28-33页 |
| 4.2.1 奇异值分解 | 第28-29页 |
| 4.2.2 模型的建立 | 第29页 |
| 4.2.3 模型的求解 | 第29-31页 |
| 4.2.4 SVDELM算法 | 第31页 |
| 4.2.5 SVDELM算法与极限学习机 | 第31-33页 |
| 4.3 实验 | 第33-35页 |
| 4.3.1 对比方法 | 第33-34页 |
| 4.3.2 实验结果 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第五章 改进的二维极限学习机 | 第37-46页 |
| 5.1 引言 | 第37-38页 |
| 5.2 改进的二维极限学习机 | 第38-40页 |
| 5.2.1 二维极限学习机 | 第38页 |
| 5.2.2 模型的建立和求解 | 第38-40页 |
| 5.3 实验 | 第40-45页 |
| 5.3.1 实验结果 | 第40-41页 |
| 5.3.2 参数讨论 | 第41-45页 |
| 5.4 本章小结 | 第45-46页 |
| 结论和展望 | 第46-48页 |
| 结论 | 第46-47页 |
| 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 个人简介、在读期间的研究成果及发表的学术论文 | 第52页 |
