| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·模型选择现状 | 第10-11页 |
| ·支持向量机 | 第11-12页 |
| ·支持向量机和模型选择 | 第12-13页 |
| ·文章的组织结构 | 第13-14页 |
| 第二章 航段运量预测模型选择方法研究 | 第14-25页 |
| ·影响预测模型选择的因素 | 第14-19页 |
| ·航段运量的特点 | 第14-15页 |
| ·预测模型 | 第15-19页 |
| ·现有模型选择方法及对比分析 | 第19-23页 |
| ·模型选择方法与特点 | 第19-22页 |
| ·模型选择方法对比分析 | 第22-23页 |
| ·基于支持向量机的预测模型选择方法 | 第23-24页 |
| ·支持向量机分类思想 | 第23页 |
| ·预测模型选择 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 支持向量机理论和算法 | 第25-43页 |
| ·支持向量机理论 | 第25-32页 |
| ·支持向量机的理论背景 | 第25-27页 |
| ·支持向量机基本原理 | 第27-28页 |
| ·支持向量机类型 | 第28-32页 |
| ·核函数 | 第32-36页 |
| ·核的基本概念 | 第32-33页 |
| ·核的性质 | 第33-34页 |
| ·常见的核函数 | 第34-36页 |
| ·核函数参数选择方法 | 第36-37页 |
| ·支持向量机训练算法 | 第37-40页 |
| ·支持向量机多分类算法 | 第40-42页 |
| ·常见的支持向量机多分类算法 | 第40-42页 |
| ·支持向量机分类算法对比分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于支持向量机的预测模型选择方法研究及其应用 | 第43-62页 |
| ·系统总体设计方案 | 第43-44页 |
| ·预测模型分类器设计 | 第44-50页 |
| ·准备训练样本 | 第44-47页 |
| ·选择核函数 | 第47-49页 |
| ·选择训练方法 | 第49-50页 |
| ·基于二叉树的SVM 多分类算法 | 第50-52页 |
| ·训练方案 | 第52页 |
| ·系统实现 | 第52-58页 |
| ·训练样本准备过程 | 第53-54页 |
| ·预测模型分类器训练过程 | 第54-57页 |
| ·系统组成 | 第57-58页 |
| ·测试结果 | 第58-60页 |
| ·系统相关界面 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间研究成果 | 第64-65页 |
| 参考文献 | 第65-68页 |