| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·时间序列预测模型概述 | 第12-13页 |
| ·传统时间序列预测模型概述 | 第12页 |
| ·RBF神经网络的时间序列预测模型概述 | 第12-13页 |
| ·特征选择概述 | 第13-16页 |
| ·特征选择的概念 | 第13-14页 |
| ·特征选择和学习算法的关系 | 第14-15页 |
| ·典型特征选择算法介绍 | 第15-16页 |
| ·特征选择的研究现状及方向 | 第16页 |
| ·研究内容和组织结构 | 第16-18页 |
| 第二章 基于RBF神经网络的多因素时间序列预测 | 第18-29页 |
| ·人工神经网络概述 | 第18-20页 |
| ·人工神经网络的发展 | 第18页 |
| ·神经元的工作原理及神经网络特点 | 第18-20页 |
| ·应用状况及研究方向 | 第20页 |
| ·RBF神经网络概述 | 第20-24页 |
| ·径向基函数(RBF) | 第20-22页 |
| ·RBF神经网络结构 | 第22页 |
| ·RBF神经网络的特点及应用领域 | 第22-23页 |
| ·RBF网络存在的问题及研究现状 | 第23-24页 |
| ·RBF神经网络的学习算法 | 第24-27页 |
| ·RBF网络中心的确定 | 第24-25页 |
| ·RBF网络权值的调整 | 第25页 |
| ·最近邻聚类学习算法 | 第25-27页 |
| ·基于RBF神经网络的多因素时间序列预测 | 第27-28页 |
| ·基于神经网络的时间序列预测 | 第27页 |
| ·基于RBF神经网络的多因素时间序列预测 | 第27-28页 |
| ·基于特征选择的RBF神经网络多因素时间序列预测 | 第28页 |
| ·多因素时间序列的特征选择 | 第28页 |
| ·基于特征选择的RBF神经网络多因素时间序列预测 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 组合式特征选择算法 | 第29-49页 |
| ·Relief系列算法 | 第29-40页 |
| ·算法介绍 | 第29-33页 |
| ·算法性能分析 | 第33页 |
| ·算法改进 | 第33-40页 |
| ·组合式特征选择算法 | 第40-41页 |
| ·PRN组合式特征选择算法 | 第41-42页 |
| ·PRN组合式特征选择算法应用于多因素时间序列预测实验及分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于PRN组合式特征选择算法的多因素时间序列预测模型 | 第49-59页 |
| ·基于PRN组合式特征选择算法的多因素时间序列预测模型 | 第49-51页 |
| ·模型设计原理 | 第49-50页 |
| ·模型设计步骤 | 第50-51页 |
| ·仿真实例研究 | 第51-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·进一步研究 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
