支持向量机及金融应用

摘要	第1-7页
ABSTRACT	第7-8页
第一章 绪论	第8-12页
·引言	第8-9页
·统计学习理论(SLT)简介	第9-11页
·研究背景	第9-10页
·统计学习理论原理	第10-11页
·创新与不足	第11-12页
第二章 支持向量机算法	第12-30页
·支持向量机分类(SVC)算法	第12-18页
·线性可分情形	第12-15页
·非线性可分情形(近似线性可分)	第15-16页
·多类分类原理	第16-18页
·非线性支持向量机	第18-24页
·支持向量机回归(SVR)方法	第24-28页
·线性回归情形	第25-27页
·非线性回归情形	第27-28页
·加权支持向量机方法	第28-30页
第三章 支持向量机金融应用	第30-43页
·金融数据预测方法回顾	第30-37页
·一元线性回归预测法	第31-33页
·多元线性回归预测法	第33-34页
·非线性回归预测法	第34页
·灰色预测模型	第34-37页
·加权支持向量机回归实现算法	第37-38页
·LS-SVM在金融预测中的应用	第38-41页
·滚动时间窗	第38-39页
·输入向量与输出值	第39页
·上证地产业类指数预测	第39-41页
·结论及小结	第41-43页
第四章 总结与展望	第43-45页
·全文研究的总结	第43页
·未来近一步研究工作的展望	第43-45页
参考文献	第45-48页
致谢	第48页