| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题的研究背景及意义 | 第7-8页 |
| ·支持向量机的国内外研究状况 | 第8-10页 |
| ·研究内容和安排 | 第10-11页 |
| 第二章 支持向量机的基础理论 | 第11-24页 |
| ·最优化理论 | 第11-12页 |
| ·机器学习 | 第12-14页 |
| ·机器学习表达 | 第12-13页 |
| ·经验风险最小化原理 | 第13-14页 |
| ·统计学习理论 | 第14-16页 |
| ·VC理论 | 第14页 |
| ·结构风险最小化理论 | 第14-16页 |
| ·核函数 | 第16-17页 |
| ·回归支持向量机的思想 | 第17-22页 |
| ·最小二乘支持向量机 | 第22-24页 |
| ·标准的最小二乘支持向量机 | 第22-23页 |
| ·在线最小二乘支持向量机 | 第23-24页 |
| 第三章 基于差分进化算法的在线最小二乘支持向量机 | 第24-32页 |
| ·差分进化算法 | 第24-25页 |
| ·变异操作 | 第24-25页 |
| ·交叉操作 | 第25页 |
| ·选择操作 | 第25页 |
| ·基于差分进化算法的在线最小二乘支持向量机的算法 | 第25-27页 |
| ·基于差分进化算法的最小二乘支持向量机模型的蒸汽预测实验 | 第27-32页 |
| 第四章 实时灰色最小二乘支持向量机 | 第32-39页 |
| ·灰色系统 | 第32-35页 |
| ·实时灰色LS-SVM模型 | 第35-36页 |
| ·实时灰色LS-SVM系统对蒸汽的预测 | 第36-39页 |
| 第五章 最小二乘支持向量机组合模型 | 第39-46页 |
| ·组合预测 | 第39-40页 |
| ·等权组合预测 | 第39-40页 |
| ·协方差组合预测 | 第40页 |
| ·组合最小二乘支持向量机 | 第40-41页 |
| ·组合最小二乘支持向量机的实验 | 第41-46页 |
| 第六章 总结 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表论文 | 第65页 |