基于支持向量机（SVM）的火电电厂工程造价预测研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景及意义 | 第7-9页 |
| ·选题背景 | 第7-8页 |
| ·选题意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·传统的工程造价方法 | 第9-10页 |
| ·现代预测方法 | 第10-11页 |
| ·论文的研究方法、结构及要解决的问题 | 第11-13页 |
| ·论文的研究方法 | 第11-12页 |
| ·论文的结构 | 第12页 |
| ·论文要解决的问题 | 第12-13页 |
| 第二章 电力工程造价的构成 | 第13-24页 |
| ·电力工程造价的含义及分类 | 第13-15页 |
| ·电力工程造价的含义 | 第13页 |
| ·工程造价的分类 | 第13-15页 |
| ·电力工程造价的构成 | 第15-23页 |
| ·建筑安装工程费用 | 第15-20页 |
| ·间接费 | 第20页 |
| ·设备及工器具购置费 | 第20-22页 |
| ·工程建设其他费用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 统计学习理论与支持向量机 | 第24-37页 |
| ·机器学习与统计学习理论 | 第24-27页 |
| ·机器学习理论 | 第24-25页 |
| ·统计学习理论 | 第25-27页 |
| ·支持向量机（SVM）基本原理 | 第27-32页 |
| ·最优超平面 | 第27-29页 |
| ·线性可分 SVM | 第29-30页 |
| ·线性不可分 SVM | 第30-31页 |
| ·非线性可分 SVM | 第31-32页 |
| ·核函数 | 第32-34页 |
| ·核函数选择及最小二乘法 | 第34-36页 |
| ·RBF 核函数 | 第34-35页 |
| ·最小二乘法 | 第35-36页 |
| ·本章小节 | 第36-37页 |
| 第四章 回归支持向量机 | 第37-41页 |
| ·回归问题 | 第37-38页 |
| ·ε-支持向量机回归预测模型 | 第38-40页 |
| ·支持向量机回归预测流程 | 第40页 |
| ·本章小节 | 第40-41页 |
| 第五章 实证研究 | 第41-47页 |
| ·引言 | 第41页 |
| ·火电厂造价指标体系构造 | 第41-43页 |
| ·指标体系构建原则 | 第41-42页 |
| ·影响工程造价的主要因素及本文研究的指标体系 | 第42-43页 |
| ·数据样本的选取和预处理 | 第43-44页 |
| ·工程简介 | 第43-44页 |
| ·工程特征向量的量化处理 | 第44页 |
| ·数据初始化 | 第44页 |
| ·网络测试结果与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 在学期间发表论文和参加科研情况 | 第52页 |
