面向函数型数据分析的机器学习算法研究与应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 函数型数据分析方法 | 第15-21页 |
| 1.2.1 函数型数据方法原理 | 第16-17页 |
| 1.2.2 函数型数据模型 | 第17-21页 |
| 1.3 支持向量机算法 | 第21-25页 |
| 1.4 研究方法和论文结构 | 第25-26页 |
| 1.5 本文的创新点 | 第26-28页 |
| 第二章 社会消费品零售总额研究 | 第28-46页 |
| 2.1 社会消费品零售总额数据及其研究简介 | 第28-29页 |
| 2.2 社会消费品零售总额数据规律研究 | 第29-37页 |
| 2.2.1 数据分解 | 第30页 |
| 2.2.2 函数型主微分分析及其迭代算法 | 第30-34页 |
| 2.2.3 社会消费品零售总额的相平面分析 | 第34-37页 |
| 2.3 社会消费品零售总额数据的预测 | 第37-46页 |
| 2.3.1 社会消费品零售总额预测基本思想 | 第37-39页 |
| 2.3.2 社会消费品零售总额的预测算法 | 第39-43页 |
| 2.3.3 社会消费品零售总额预测实验 | 第43-46页 |
| 第三章 青光眼分类诊断 | 第46-54页 |
| 3.1 青光眼及计算机辅助诊断研究现状 | 第46-47页 |
| 3.2 青光眼诊断算法设计原理 | 第47-48页 |
| 3.3 特征提取和分类 | 第48-51页 |
| 3.3.1 计算垂直杯盘比 | 第48页 |
| 3.3.2 计算ISNT score | 第48-49页 |
| 3.3.3 分类 | 第49页 |
| 3.3.4 算法流程描述 | 第49-51页 |
| 3.4 实验 | 第51-53页 |
| 3.4.1 实验设计 | 第51页 |
| 3.4.2 用于比较的特征提取方法 | 第51-52页 |
| 3.4.3 实验结果 | 第52-53页 |
| 3.5 总结 | 第53-54页 |
| 第四章 多任务最小二乘正则化回归算法 | 第54-60页 |
| 4.1 算法设计 | 第54-55页 |
| 4.2 仿真实验 | 第55-58页 |
| 4.2.1 实验设计 | 第55-56页 |
| 4.2.2 实验结果 | 第56-57页 |
| 4.2.3 参数选择分析 | 第57-58页 |
| 4.3 结论 | 第58-60页 |
| 第五章 结论 | 第60-62页 |
| 参考文献 | 第62-66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 |
