| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 机器学习预测算法 | 第13-20页 |
| 1.2.1 支持向量机算法 | 第13-15页 |
| 1.2.2 K近邻算法 | 第15-16页 |
| 1.2.3 人工神经网络 | 第16-18页 |
| 1.2.4 Adaboost | 第18-20页 |
| 1.3 函数型数据分析方法 | 第20-21页 |
| 1.3.1 函数型数据研究背景 | 第20页 |
| 1.3.2 函数型数据分析基础 | 第20-21页 |
| 1.4 研究方法和论文结构 | 第21-22页 |
| 1.4.1 研究方法 | 第21-22页 |
| 1.4.2 论文结构 | 第22页 |
| 1.5 本文的创新点 | 第22-24页 |
| 第二章 基于函数型数据分析的中国社会消费品零售总额数据的预测 | 第24-34页 |
| 2.1 社会消费品零售总额数据及其研究简介 | 第24页 |
| 2.2 社会消费品零售总额预测方法 | 第24-29页 |
| 2.2.1 预测基本思想 | 第24-26页 |
| 2.2.2 算法设计 | 第26-29页 |
| 2.3 实验 | 第29-32页 |
| 2.3.1 实验设置 | 第29-30页 |
| 2.3.2 比较的方法 | 第30页 |
| 2.3.3 实验结果 | 第30-32页 |
| 2.4 结论 | 第32-34页 |
| 第三章 基于先验PCA的青光眼诊断算法 | 第34-50页 |
| 3.1 青光眼诊断研究现状 | 第34-36页 |
| 3.2 先验PCA算法 | 第36-43页 |
| 3.2.1 基本思想 | 第36-38页 |
| 3.2.2 先验PCA算法设计 | 第38-43页 |
| 3.3 特征提取 | 第43-44页 |
| 3.4 实验 | 第44-48页 |
| 3.4.1 实验设置 | 第44-45页 |
| 3.4.2 各种特征提取方法 | 第45页 |
| 3.4.3 分类预测算法 | 第45-46页 |
| 3.4.4 实验结果 | 第46-48页 |
| 3.5 总结 | 第48-50页 |
| 第四章 多任务最小二乘正则化回归算法 | 第50-58页 |
| 4.1 多任务算法研究现状 | 第50-51页 |
| 4.2 算法设计 | 第51-52页 |
| 4.3 实验 | 第52-55页 |
| 4.3.1 实验设计 | 第52-53页 |
| 4.3.2 比较的方法 | 第53-54页 |
| 4.3.3 实验结果 | 第54-55页 |
| 4.4 结论 | 第55-58页 |
| 第五章 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 硕士期间研究成果及发表的学术论文 | 第68-70页 |
| 作者及导师简介 | 第70-71页 |
| 附件 | 第71-72页 |