基于智能优化算法的支持向量机回归及其应用
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·问题的提出 | 第10-11页 |
| ·国内外研究状况 | 第11-13页 |
| ·本文研究的主要内容及论文结构 | 第13-15页 |
| ·研究的主要内容 | 第13页 |
| ·论文结构 | 第13-15页 |
| 第2章 支持向量机回归理论概述 | 第15-21页 |
| ·线性回归情形 | 第15-17页 |
| ·非线性回归情形 | 第17-19页 |
| ·核函数 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第3章 基于智能优化算法的寻参方法 | 第21-29页 |
| ·参数选取分析 | 第21-22页 |
| ·遗传算法原理 | 第22-25页 |
| ·遗传算法的基本概念 | 第23页 |
| ·遗传算子 | 第23-24页 |
| ·算法步骤 | 第24-25页 |
| ·遗传算法的优缺点 | 第25页 |
| ·粒子群优化算法 | 第25-26页 |
| ·蚁群算法的基本原理 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第4章 基于智能优化算法的支持向量机回归应用 | 第29-45页 |
| ·数据预处理方法 | 第29-30页 |
| ·预测方法的性能评价指标 | 第30页 |
| ·基于GA-SVR的煤炭需求预测模型研究 | 第30-34页 |
| ·影响变量的确定和样本数据的选取 | 第31-32页 |
| ·GA-SVR模型参数的确定 | 第32页 |
| ·结果分析及结论 | 第32-34页 |
| ·基于PSO-SVR的粮食产量预测模型研究 | 第34-38页 |
| ·影响变量的确定和样本数据的选取 | 第35-36页 |
| ·PSO-SVR模型参数的确定 | 第36页 |
| ·结果分析及结论 | 第36-38页 |
| ·基于ACO-SVR的区域物流量预测模型研究 | 第38-43页 |
| ·影响变量的确定和样本数据的选取 | 第39-40页 |
| ·ACO-SVR模型参数的确定 | 第40-42页 |
| ·结果分析及结论 | 第42-43页 |
| ·小结 | 第43-45页 |
| 结论 | 第45-46页 |
| 主要结论 | 第45页 |
| 硏究展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表的论文 | 第52页 |
