基于蚁群算法和支持向量机的空气质量指数预测模型研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究综述 | 第9页 |
| 1.3 论文的研究内容及创新 | 第9-10页 |
| 1.4 论文的结构 | 第10-11页 |
| 2 支持向量机 | 第11-20页 |
| 2.1 间隔最大化原理与线性可分SVMs | 第12-15页 |
| 2.1.1 函数间隔 | 第12页 |
| 2.1.2 几何间隔 | 第12-14页 |
| 2.1.3 线性可分SVMs | 第14-15页 |
| 2.2 软间隔SVMs | 第15-16页 |
| 2.3 非线性SVMs | 第16-18页 |
| 2.4 本章小结 | 第18-20页 |
| 3 蚁群算法原理 | 第20-27页 |
| 3.1 蚁群算法的思想起源 | 第20-21页 |
| 3.2 蚁群算法的基本原理 | 第21-25页 |
| 3.2.1 蚁群算法在旅行商问题中的应用 | 第21-23页 |
| 3.2.2 蚁群算法的实现步骤 | 第23-25页 |
| 3.3 蚁群算法对SVMs参数的优化 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 三次样条插值法的应用 | 第27-31页 |
| 4.1 样条函数的定义 | 第27页 |
| 4.2 样条函数的求解 | 第27-30页 |
| 4.3 本章小结 | 第30-31页 |
| 5 模型的建立与分析 | 第31-44页 |
| 5.1 数据的处理 | 第31-32页 |
| 5.2 静态模型的建立 | 第32-37页 |
| 5.2.1 训练数据的选取 | 第32-33页 |
| 5.2.2 模型的建立 | 第33-34页 |
| 5.2.3 实验结果与分析 | 第34-37页 |
| 5.3 动态模型的建立 | 第37-43页 |
| 5.3.1 训练数据量的选取 | 第37-38页 |
| 5.3.2 模型的建立 | 第38-39页 |
| 5.3.3 实验结果与分析 | 第39-43页 |
| 5.4 本章小结 | 第43-44页 |
| 6 总结与展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录英文缩写对应表 | 第50-51页 |
| 攻读学位期间取得的研究成果 | 第51-52页 |
| 致谢 | 第52-54页 |
