| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 概述 | 第9-15页 |
| 1.1 论文研究背景及研究意义 | 第9-10页 |
| 1.2 高斯过程模型(GP)的研究现状与研究进展 | 第10页 |
| 1.3 高斯过程混合模型(GPM)的研究现状与研究进展 | 第10-13页 |
| 1.4 本文所做的工作 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 全文章节安排 | 第14-15页 |
| 第二章 高斯过程混合模型基本原理 | 第15-21页 |
| 2.1 回归预测问题 | 第15页 |
| 2.2 用于回归预测的高斯过程模型原理 | 第15-18页 |
| 2.2.1 高斯过程 | 第15-16页 |
| 2.2.2 高斯过程模型用于回归预测 | 第16-18页 |
| 2.3 用于回归预测的高斯过程混合模型原理 | 第18-20页 |
| 2.3.1 GPM模型原理 | 第18-19页 |
| 2.3.2 GPM模型EM硬划分迭代算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 高斯过程混合模型的混沌时间序列多模态回归预测 | 第21-33页 |
| 3.1 混沌时间序列回归预测的研究意义 | 第21-22页 |
| 3.2 经典高斯过程混合模型的混沌时间序列多模态回归预测原理 | 第22-23页 |
| 3.3 常见混沌时间序列预测实验结果分析 | 第23-26页 |
| 3.3.1 Mackey-Glass混沌时间序列预测 | 第23-25页 |
| 3.3.2 Rossler混沌时间序列预测 | 第25-26页 |
| 3.4 与支持向量机和径向基函数网络的回归预测结果比较 | 第26-30页 |
| 3.4.1 Mackey-Glass混沌时间序列应用于四种模型的对比 | 第26-29页 |
| 3.4.2 Rossler混沌时间序列应用于四种模型的对比 | 第29-30页 |
| 3.5 本章小结 | 第30-33页 |
| 第四章 稀疏高斯过程混合模型的混沌时间序列多模态回归预测 | 第33-45页 |
| 4.1 研究意义 | 第33页 |
| 4.2 稀疏GPM的详细原理及实现步骤 | 第33-35页 |
| 4.2.1 稀疏高斯过程模型 | 第33-34页 |
| 4.2.2 稀疏性高斯过程混合模型的硬分割EM算法 | 第34-35页 |
| 4.3 基于稀疏GPM模型的混沌时间序列多模态预测原理 | 第35页 |
| 4.4 实验结果对比分析 | 第35-43页 |
| 4.4.1 Lorenz序列多模态预测 | 第36-40页 |
| 4.4.2 Chua序列的多模态预测 | 第40-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 高斯过程混合模型在金融时间序列回归预测中的应用研究 | 第45-57页 |
| 5.1 金融时间序列回归预测的研究意义 | 第45页 |
| 5.2 传统金融时间序列回归预测模型回顾 | 第45-46页 |
| 5.3 用高斯过程混合模型预测金融汇率曲线 | 第46-49页 |
| 5.4 用高斯过程混合模型预测金融指数曲线 | 第49-51页 |
| 5.5 用高斯过程混合模型预测金融价格曲线 | 第51-53页 |
| 5.6 用高斯过程混合模型预测其它金融时序曲线 | 第53-55页 |
| 5.7 本章小结 | 第55-57页 |
| 第六章 结论及展望 | 第57-59页 |
| 6.1 论文结论 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间所取得的相关科研成果 | 第63-65页 |
| 致谢 | 第65页 |
