支持向量机的研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·课题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·主要工作 | 第9页 |
| ·论文组织结构 | 第9-11页 |
| 第2章 支持向量机的基础理论 | 第11-18页 |
| ·机器学习问题 | 第11-14页 |
| ·机器学习的发展历史 | 第11-12页 |
| ·学习问题的表述 | 第12-13页 |
| ·经验风险最小化 | 第13页 |
| ·复杂性与推广能力 | 第13-14页 |
| ·统计学习理论 | 第14-15页 |
| ·统计学习理论的发展历程 | 第15-16页 |
| ·支持向量机算法的提出和研究现状 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第3章 支持向量机 | 第18-29页 |
| ·支持向量机分类机 | 第18-21页 |
| ·线性可分问题 | 第18-19页 |
| ·线性不可分问题 | 第19-21页 |
| ·支持向量回归机 | 第21-23页 |
| ·回归问题 | 第21-22页 |
| ·ε-支持向量回归机 | 第22-23页 |
| ·常用的核函数 | 第23-24页 |
| ·支持向量机算法 | 第24-26页 |
| ·遗漏数据 | 第26-27页 |
| ·交叉验证 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第4章 自组织数据挖掘 | 第29-36页 |
| ·自组织数据挖掘建模 | 第29-32页 |
| ·自组织数据挖掘的基本模式 | 第29-31页 |
| ·自组织数据挖掘方法的步骤 | 第31-32页 |
| ·GMDH中使用的原则 | 第32页 |
| ·客观系统分析算法 | 第32-34页 |
| ·基本原理 | 第32-33页 |
| ·基本步骤 | 第33-34页 |
| ·客观系统分析算法与支持向量机组合 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第5章 宏观经济预警 | 第36-42页 |
| ·国内、外宏观经济预警的发展及研究现状 | 第36-40页 |
| ·宏观经济预警现有的理论、方法存在的问题 | 第40页 |
| ·宏观经济预测的新方法——支持向量机 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第6章 支持向量机在宏观经济预测中的应用研究 | 第42-64页 |
| ·项目概述 | 第42-43页 |
| ·系统设计 | 第43-56页 |
| ·总体框架 | 第43-44页 |
| ·宏观经济数据仓库设计 | 第44-49页 |
| ·数据挖掘服务器设计 | 第49-54页 |
| ·应用系统 | 第54-56页 |
| ·宏观经济预测 | 第56-63页 |
| ·分类 | 第56-58页 |
| ·回归 | 第58-63页 |
| ·小结 | 第63-64页 |
| 第7章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间的研究成果 | 第70页 |
