| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第20-36页 |
| 1.1 研究背景和意义 | 第20-22页 |
| 1.1.1 研究背景 | 第20-21页 |
| 1.1.2 研究意义 | 第21-22页 |
| 1.2 研究现状 | 第22-33页 |
| 1.2.1 支持向量机分类预测模型 | 第23-25页 |
| 1.2.2 非参数回归预测模型 | 第25-27页 |
| 1.2.3 半参数回归预测模型 | 第27-28页 |
| 1.2.4 灰色预测模型 | 第28-31页 |
| 1.2.5 重心权有理插值函数 | 第31-33页 |
| 1.3 结构安排与主要创新 | 第33-36页 |
| 1.3.1 结构安排 | 第33-34页 |
| 1.3.2 主要创新 | 第34-36页 |
| 第二章 重心权有理插值函数的理论研究 | 第36-51页 |
| 2.1 引言 | 第36-37页 |
| 2.2 插值公式 | 第37-40页 |
| 2.3 收敛性质 | 第40-48页 |
| 2.4 重心权形式 | 第48-49页 |
| 2.5 实验研究 | 第49-50页 |
| 2.6 结论分析 | 第50-51页 |
| 第三章 基于重心权有理插值函数的SVM分类预测模型 | 第51-65页 |
| 3.1 引言 | 第51-52页 |
| 3.2 核函数构造 | 第52-59页 |
| 3.2.1 基于一元重心权有理插值的核函数 | 第53-55页 |
| 3.2.2 基于多元重心权有理插值的核函数 | 第55-59页 |
| 3.3 实验研究 | 第59-63页 |
| 3.4 结论分析 | 第63-65页 |
| 第四章 基于重心权有理插值函数的非参数回归预测模型 | 第65-77页 |
| 4.1 引言 | 第65-66页 |
| 4.2 模型与方法 | 第66-70页 |
| 4.2.1 非参数回归预测模型 | 第66-67页 |
| 4.2.2 基函数的构造 | 第67-68页 |
| 4.2.3 模型估计与检验 | 第68-69页 |
| 4.2.4 节点选择 | 第69-70页 |
| 4.2.5 模型预测 | 第70页 |
| 4.3 实验研究 | 第70-76页 |
| 4.3.1 利率期限结构 | 第70-72页 |
| 4.3.2 模型估计与检验 | 第72-74页 |
| 4.3.3 预测表现 | 第74-76页 |
| 4.4 结论分析 | 第76-77页 |
| 第五章 基于重心权有理插值函数的半参数回归预测模型 | 第77-91页 |
| 5.1 引言 | 第77-78页 |
| 5.2 模型与方法 | 第78-82页 |
| 5.2.1 半参数回归预测模型 | 第78-80页 |
| 5.2.2 基函数的构造 | 第80页 |
| 5.2.3 模型估计与检验 | 第80-81页 |
| 5.2.4 模型选择 | 第81-82页 |
| 5.2.5 模型预测 | 第82页 |
| 5.3 实验研究 | 第82-90页 |
| 5.3.1 菲利普斯曲线模型 | 第82-84页 |
| 5.3.2 模型估计与检验 | 第84-88页 |
| 5.3.3 预测表现 | 第88-90页 |
| 5.4 结论分析 | 第90-91页 |
| 第六章 基于重心权有理插值函数的灰色预测模型 | 第91-113页 |
| 6.1 引言 | 第91-92页 |
| 6.2 基于重心权有理插值函数的GM(1,1)模型 | 第92-105页 |
| 6.2.1 降低谱条件数 | 第93-96页 |
| 6.2.2 正交变换求解 | 第96-97页 |
| 6.2.3 背景值重构 | 第97-99页 |
| 6.2.4 参数优化 | 第99-100页 |
| 6.2.5 实验研究 | 第100-105页 |
| 6.3 基于向量值重心权有理插值函数的MGM(1,m)模型 | 第105-112页 |
| 6.3.1 建模方法 | 第106-108页 |
| 6.3.2 实验研究 | 第108-112页 |
| 6.4 结论分析 | 第112-113页 |
| 第七章 总结与展望 | 第113-118页 |
| 7.1 研究总结 | 第113-115页 |
| 7.2 研究展望 | 第115-118页 |
| 7.2.1 重心权有理插值在本文模型中的应用 | 第115-116页 |
| 7.2.2 重心权有理插值在其他模型中的应用 | 第116-118页 |
| 参考文献 | 第118-131页 |
| 攻读博士学位期间的学术活动及成果情况 | 第131-133页 |
