| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·时间序列预测技术研究现状 | 第8-10页 |
| ·支持向量机研究现状 | 第10-11页 |
| ·本文内容及章节安排 | 第11-14页 |
| 第二章 SVR 基础理论及时间序列预测算法 | 第14-26页 |
| ·支持向量回归机的基本数学模型 | 第14-20页 |
| ·统计学习理论 | 第14-15页 |
| ·支持向量机 | 第15-18页 |
| ·支持向量回归机的标准数学模型 | 第18-19页 |
| ·核函数 | 第19页 |
| ·非线性 SVR | 第19-20页 |
| ·时间序列预测概述 | 第20-25页 |
| ·时间序列预测基本概念 | 第20-21页 |
| ·时间序列预测方法及分类 | 第21-22页 |
| ·基于 SVR 的时间序列预测模型 | 第22-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于 SVR 预测器的混沌时间序列预测方法改进 | 第26-38页 |
| ·混沌理论概述 | 第26-27页 |
| ·相空间重构理论 | 第27-31页 |
| ·时间延迟选取 | 第28页 |
| ·嵌入维数选取 | 第28-30页 |
| ·最大 Lyapunov 指数 | 第30-31页 |
| ·基于 SVR 预测器的混沌时间序列数据预测方法改进 | 第31-35页 |
| ·基于 SVR 的混沌时间序列数据预测实验 | 第31-33页 |
| ·基于 SVR 预测器的置信度对预测器的选择 | 第33-35页 |
| ·仿真实验与分析 | 第35-37页 |
| ·实验环境设置与数据集选择 | 第35页 |
| ·实验方法与结果分析 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于半监督改进的 SVR 预测器的长期预测 | 第38-46页 |
| ·半监督学习概述 | 第38-39页 |
| ·基于全局与局部预测的半监督 SVR 预测器 | 第39-44页 |
| ·基于全局与局部预测的半监督 SVR 预测器模型 | 第39-40页 |
| ·半监督 SVR 的预测算法 | 第40-41页 |
| ·实验结果与分析 | 第41-44页 |
| ·小结 | 第44-46页 |
| 第五章 基于 MMD 改进的半监督时间序列预测研究 | 第46-54页 |
| ·MMD 概述 | 第46-47页 |
| ·引入 MMD 改进的半监督 SVR 预测器 | 第47-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 在读期间的研究成果 | 第62-63页 |
