| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 选题背景及意义 | 第13-15页 |
| 1.2 国内外文献综述 | 第15-20页 |
| 1.3 论文研究内容和基本框架 | 第20-21页 |
| 1.3.1 研究内容 | 第20页 |
| 1.3.2 基本框架 | 第20-21页 |
| 1.4 本文的创新点 | 第21-22页 |
| 第二章 统计学习理论与支持向量机 | 第22-35页 |
| 2.1 统计学习理论 | 第22-26页 |
| 2.2 支持向量回归机 | 第26-31页 |
| 2.2.1 ε?SVR线性回归模型 | 第26-29页 |
| 2.2.2 ε?SVR非线性回归 | 第29-30页 |
| 2.2.3 V-SVR非回归模型 | 第30-31页 |
| 2.3 核函数和参数优化方法 | 第31-35页 |
| 2.3.1 核函数 | 第31-32页 |
| 2.3.2 参数优化方法 | 第32-35页 |
| 第三章 基于支持向量机算法的价格预测 | 第35-44页 |
| 3.1 支持向量机回归算法 | 第35-37页 |
| 3.2 模型评价 | 第37-38页 |
| 3.3 数据滑窗长度选取 | 第38-44页 |
| 第四章 支持向量机机回归模型在基础指标体系下的实证研究 | 第44-68页 |
| 4.1 数据标准化处理 | 第44-51页 |
| 4.2 模型结构对比实验 | 第51-61页 |
| 4.3 参数优化选择 | 第61-67页 |
| 4.4 小结 | 第67-68页 |
| 第五章 技术指标体系系下支持向量机机回归模型的实证研究 | 第68-91页 |
| 5.1 技术指标简介 | 第68-71页 |
| 5.2 数据标准化方式对比实验 | 第71-75页 |
| 5.3 模型结构对比实验 | 第75-84页 |
| 5.4 参数优化选择 | 第84-90页 |
| 5.5 小结 | 第90-91页 |
| 第六章 结论及展望 | 第91-93页 |
| 6.1 结论 | 第91页 |
| 6.2 展望 | 第91-93页 |
| 参考文献 | 第93-98页 |
| 致谢 | 第98页 |