| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究目的和研究内容 | 第10-12页 |
| 2 回归分析预测算法 | 第12-34页 |
| 2.1 数据预处理 | 第12-16页 |
| 2.1.1 对数变换 | 第14-15页 |
| 2.1.2 数据标准化 | 第15页 |
| 2.1.3 共线性检测 | 第15-16页 |
| 2.2 简单线性回归分析 | 第16-19页 |
| 2.2.1 相关系数 | 第16-18页 |
| 2.2.2 回归方程 | 第18-19页 |
| 2.3 多元线性回归分析 | 第19-23页 |
| 2.3.1 最小二乘矩阵法 | 第20页 |
| 2.3.2 随机梯度下降法 | 第20-23页 |
| 2.4 岭回归 | 第23-25页 |
| 2.5 局部加权线性回归 | 第25-29页 |
| 2.6 分类回归树 | 第29-32页 |
| 2.6.1 二叉树的生成 | 第29-30页 |
| 2.6.2 二叉树的剪枝 | 第30-32页 |
| 2.7 本章小结 | 第32-34页 |
| 3 基于局部加权线性回归的改进算法 | 第34-41页 |
| 3.1 组合多个局部加权线性回归模型 | 第34-37页 |
| 3.2 动态加权预测值 | 第37-39页 |
| 3.3 构造新的核函数 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于组合模型的预测算法 | 第41-49页 |
| 4.1 基于训练集二叉树的局部加权线性回归组合模型 | 第41-43页 |
| 4.1.1 训练集二叉树的生成 | 第41-42页 |
| 4.1.2 预测模型 | 第42-43页 |
| 4.1.3 实验结果与分析 | 第43页 |
| 4.2 基于K-means的局部加权线性回归组合模型 | 第43-48页 |
| 4.2.1 训练集聚类 | 第44-45页 |
| 4.2.2 自适应选取训练集子集 | 第45-46页 |
| 4.2.3 预测模型 | 第46页 |
| 4.2.4 实验结果与分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 展望方向 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
| A. 作者在攻读硕士学位期间论文成果 | 第56页 |