局域支持向量回归及其在时空混沌序列预测中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·EEG信号处理的现状 | 第9-10页 |
| ·支持向量机回归研究现状 | 第10-11页 |
| ·论文主要工作及创新 | 第11-13页 |
| ·论文的主要工作 | 第12页 |
| ·论文的主要创新点 | 第12-13页 |
| 第2章 统计学习理论和支持向量机 | 第13-27页 |
| ·统计学习理论 | 第13-18页 |
| ·经验风险最小化 | 第14-15页 |
| ·复杂性和推广能力 | 第15-16页 |
| ·VC维 | 第16页 |
| ·推广性的界 | 第16-17页 |
| ·结构风险最小化 | 第17-18页 |
| ·支持向量机和支持向量回归 | 第18-26页 |
| ·广义分类面 | 第18-20页 |
| ·支持向量回归的基本原理 | 第20-21页 |
| ·核函数 | 第21页 |
| ·训练方法 | 第21-22页 |
| ·SMO算法 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 混沌理论及混沌信号预测 | 第27-36页 |
| ·混沌理论 | 第27-30页 |
| ·混沌的定义 | 第27-28页 |
| ·混沌特性 | 第28页 |
| ·混沌动力学的特征量 | 第28-30页 |
| ·时空混沌 | 第30-31页 |
| ·相空间重构 | 第31-35页 |
| ·Takens嵌入定理重构相空间 | 第31-32页 |
| ·时间延迟 | 第32页 |
| ·嵌入维数 | 第32-33页 |
| ·C-C法 | 第33-35页 |
| ·混沌序列的预测 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 局域SVR | 第36-41页 |
| ·局域支持向量回归 | 第36-38页 |
| ·实验仿真 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 K 值聚类和分布式SVR | 第41-49页 |
| ·改进的RPCL算法 | 第41-44页 |
| ·聚类仿真实验 | 第44-45页 |
| ·分布式SVR | 第45-47页 |
| ·分布式SVR实验仿真 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 局域法SVR 在脑电预测中的应用 | 第49-57页 |
| ·脑电信号的采集 | 第49-50页 |
| ·局域?-SVR在真实脑电预测中的应用 | 第50-51页 |
| ·分布式SVR在真实脑电预测中的应用 | 第51-52页 |
| ·在癫痫脑电检测中的应用 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第7章 总结和展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |
| 作者简介 | 第63页 |
