基于小波与支持向量机的混沌时间序列研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-12页 |
| ·研究的背景、意义和目的 | 第9页 |
| ·国内外研究应用现状 | 第9-11页 |
| ·课题研究的内容 | 第11-12页 |
| 第2章 混沌时间序列分析及理论基础 | 第12-31页 |
| ·混沌的定义 | 第12-14页 |
| ·典型混沌动力学模型 | 第14-19页 |
| ·混沌时间序列的相空间重构理论 | 第19-21页 |
| ·相空间重构参数的选取 | 第21-28页 |
| ·延迟时间的选取方法 | 第21-25页 |
| ·嵌入维数的选取方法 | 第25-28页 |
| ·最大Lyapunov指数的计算 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 小波分析 | 第31-43页 |
| ·小波分析简介 | 第31-32页 |
| ·小波分析基本理论 | 第32-40页 |
| ·Fourier变换到小波变换 | 第32-37页 |
| ·连续小波变换 | 第37-38页 |
| ·离散小波变换 | 第38-39页 |
| ·多分辨率分析 | 第39-40页 |
| ·小波分析的特点及应用领域 | 第40-42页 |
| ·小波分析的特点 | 第41页 |
| ·小波分析的应用领域 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 统计学习理论与支持向量机 | 第43-53页 |
| ·统计学习理论 | 第43-46页 |
| ·VC维和推广性的界 | 第44-45页 |
| ·结构风险最小化 | 第45-46页 |
| ·支持向量机的基本理论 | 第46-51页 |
| ·最优分类面 | 第47-48页 |
| ·支持向量机 | 第48-51页 |
| ·支持向量机研究现状及其应用 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 小波与支持向量机在混沌时序中的应用研究 | 第53-74页 |
| ·小波变换与支持向量机的结合 | 第53-54页 |
| ·方法流程 | 第54页 |
| ·基本数据采集及预处理 | 第54-56页 |
| ·基于小波变换的消噪处理及特征提取 | 第56-63页 |
| ·数据的小波消噪处理 | 第59-61页 |
| ·基于小波变换的特征提取 | 第61-63页 |
| ·基于支持向量机的分类 | 第63-69页 |
| ·核函数的选取 | 第64-65页 |
| ·支持向量机的实现算法 | 第65-69页 |
| ·预测结果评价 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 总结 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第81-82页 |
| 致谢 | 第82页 |
