首页--数理科学和化学论文--概率论与数理统计论文--概率论(几率论、或然率论)论文--随机过程论文--平稳过程与二阶矩过程论文

基于可视图的时间序列预测研究

摘要第6-8页
ABSTRACT第8-9页
第一章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 时间序列的研究现状第11-13页
    1.3 本文主要研究工作第13-15页
    1.4 论文结构第15-16页
第二章 基础理论第16-34页
    2.1 时间序列简介第16-23页
        2.1.1 时间序列的定义第16-19页
        2.1.2 时间序列的基本模型第19-23页
    2.2 可视图模型第23-25页
        2.2.1 可视图算法描述第23页
        2.2.2 可视图的应用举例第23-25页
    2.3 链路预测方法第25-27页
        2.3.1 随机游走过程第25-26页
        2.3.2 节点相似度计算第26-27页
        2.3.3 链路预测举例第27页
    2.4 模糊逻辑第27-34页
        2.4.1 模糊逻辑的基本内容第29-31页
        2.4.2 模糊逻辑的使用举例第31-34页
第三章 基于可视图的时间序列模糊预测模型第34-44页
    3.1 基于节点相似度的初步预测模型第34-36页
        3.1.1 初步预测环节第34页
        3.1.2 模型举例与讨论第34-36页
    3.2 基于模糊逻辑的修正模型第36-44页
        3.2.1 模糊修正环节第36-37页
        3.2.2 模型举例与讨论第37-44页
第四章 实验与对比分析第44-58页
    4.1 实验介绍第44-48页
        4.1.1 实验数据第44-45页
        4.1.2 实验设置第45-47页
        4.1.3 评价指标第47-48页
    4.2 实验一第48-50页
        4.2.1 CCI的单步预测第48-49页
        4.2.2 CCI的多步预测第49-50页
    4.3 实验二第50-52页
        4.3.1 TAIEX的单步预测第50-51页
        4.3.2 TAIEX的多步预测第51-52页
    4.4 实验三第52-54页
        4.4.1 学生注册值的单步预测第52-53页
        4.4.2 学生注册值的多步预测第53-54页
    4.5 实验小结第54-58页
第五章 基于可视图的时间序列随机预测模型第58-70页
    5.1 贝叶斯MCMC简介第58-61页
        5.1.1 贝叶斯推理第59-60页
        5.1.2 马尔科夫链第60页
        5.1.3 蒙特卡洛采样第60-61页
    5.2 随机预测模型的基本框架第61-65页
        5.2.1 可视图的贝叶斯推理第61-64页
        5.2.2 基于MH-MCMC的可视图采样第64-65页
    5.3 模型实验与分析第65-70页
        5.3.1 基于随机模型的CCI预测实验第65-66页
        5.3.2 模型小结第66-70页
第六章 总结与展望第70-72页
    6.1 本文工作总结第70-71页
    6.2 未来工作展望第71-72页
参考文献第72-78页
发表文章目录第78-80页
简历第80-82页
致谢第82页

论文共82页,点击 下载论文
上一篇:Orlicz-Bochner空间中的凸性与正规结构
下一篇:基于二次剩余的无证书加密方案