基于支持向量机的公路车流量数据分析与预测模型
| 第1章 绪论 | 第1-13页 |
| ·研究背景 | 第8-9页 |
| ·当前国内外研究现状 | 第9-11页 |
| ·研究的意义及其必要性 | 第11页 |
| ·本文主要的研究工作与内容 | 第11-13页 |
| 第2章 支持向量机的学习理论 | 第13-33页 |
| ·统计学习理论 | 第13-20页 |
| ·函数集的VC维 | 第13-14页 |
| ·利用验证来界定VC维 | 第14-15页 |
| ·推广能力的界 | 第15-16页 |
| ·模型估计 | 第16-19页 |
| ·模型选择 | 第19-20页 |
| ·支持向量机 | 第20-31页 |
| ·支持向量机多分类问题、核函数和损失函数介绍 | 第21-25页 |
| ·支持向量机回归(SVR) | 第25-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 混沌时间序列的预测 | 第33-41页 |
| ·基于SVM的混沌时间序列的多步预测 | 第33-38页 |
| ·模型和数据的产生 | 第34页 |
| ·最小嵌入维数的确定 | 第34-35页 |
| ·评价指标 | 第35页 |
| ·仿真试验结果 | 第35-38页 |
| ·基于SVM的混沌时间序列的去噪预测 | 第38-40页 |
| ·模型与数据的产生 | 第38页 |
| ·预测模型的参数及结构 | 第38-39页 |
| ·仿真实验结果 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于SVM的车流量预测方法 | 第41-60页 |
| ·常用预测方法 | 第41-45页 |
| ·时间序列法 | 第41-42页 |
| ·回归分析法 | 第42-43页 |
| ·多层递阶回归分析法 | 第43页 |
| ·灰色系统 | 第43-44页 |
| ·神经网络方法 | 第44-45页 |
| ·车流量预测分析 | 第45-51页 |
| ·车流量预测基本原理 | 第46-47页 |
| ·车流量预测的基本过程 | 第47-49页 |
| ·车流量预侧的误差分析 | 第49-51页 |
| ·基于支持向量机的车流量预测 | 第51-55页 |
| ·支持向量机网络模型 | 第51-52页 |
| ·RBF核函数的工作原理 | 第52-55页 |
| ·车流量预测试验 | 第55-59页 |
| ·影响因子及训练数据集的构建 | 第55-56页 |
| ·SVM算法的参数分析 | 第56-57页 |
| ·评价指标 | 第57页 |
| ·试验结果分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
