航段运量预测算法及其优化
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景 | 第10页 |
| ·航段运量预测现状 | 第10-11页 |
| ·支持向量机现状 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·论文内容和组织结构 | 第13-14页 |
| 第二章 航段运量预测方法研究 | 第14-39页 |
| ·航段运量预测概述 | 第14-18页 |
| ·航段运量预测的特点 | 第14-15页 |
| ·航段运量预测常用方法 | 第15-18页 |
| ·熵权系数法 | 第18-23页 |
| ·熵的概述 | 第18-19页 |
| ·建模过程 | 第19-20页 |
| ·模拟实现及算法评价 | 第20-23页 |
| ·神经网络算法 | 第23-30页 |
| ·传统的BP 算法 | 第23-26页 |
| ·BP 算法的缺点 | 第26-27页 |
| ·代数算法的思想 | 第27-29页 |
| ·神经网络预测法评价 | 第29-30页 |
| ·支持向量机预测方法 | 第30-38页 |
| ·支持向量机理论基础 | 第30-33页 |
| ·SVM 基本原理和分类 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 基于SVM 的航段运量预测模型研究 | 第39-50页 |
| ·最小二乘支持向量机 | 第39-40页 |
| ·贝叶斯框架下的支持向量机 | 第40-45页 |
| ·贝叶斯证据框架 | 第41-42页 |
| ·用于回归估计的支持向量机 | 第42-43页 |
| ·支持向量机参数调整方法 | 第43-44页 |
| ·贝叶斯支持向量机的特点 | 第44-45页 |
| ·支持向量机预测模型的设计与实现 | 第45-49页 |
| ·影响预测模型的因素 | 第45-46页 |
| ·模型的仿真实现 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于SVM 的航段运量预测系统实现 | 第50-57页 |
| ·系统结构简介 | 第50-51页 |
| ·预测和优化模块 | 第51-53页 |
| ·程序设计实现 | 第53-54页 |
| ·预测模块相关界面 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 结束语 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 在校期间的学术成果 | 第61页 |
