小波支持向量机理论及其在股指预测中的应用
| 中文摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1. 前言 | 第8-15页 |
| ·支持向量机理论及其研究现状 | 第8-13页 |
| ·支持向量机的特色 | 第8-9页 |
| ·支持向量机的研究现状 | 第9-12页 |
| ·多变量支持向量机的研究意义 | 第12-13页 |
| ·研究思路及章节安排 | 第13-15页 |
| ·研究思路与方法 | 第13页 |
| ·章节安排 | 第13-14页 |
| ·论文贡献 | 第14-15页 |
| 2. 支持向量机基本原理 | 第15-26页 |
| ·统计学习理论简介 | 第15-16页 |
| ·结构风险最小化原则 | 第16-17页 |
| ·支持向量机基本理论 | 第17-26页 |
| ·支持向量机的标准形式 | 第18-19页 |
| ·支持向量核函数 | 第19-20页 |
| ·支持向量机分类算法 | 第20-22页 |
| ·支持向量机预测算法 | 第22-23页 |
| ·时间序列支持向量机预测模型 | 第23-26页 |
| 3. 小波支持向量机研究 | 第26-35页 |
| ·小波核函数构造 | 第26-27页 |
| ·支持向量机预测模型的评价指标 | 第27-28页 |
| ·基于遗传算法的参数优化方法 | 第28-30页 |
| ·遗传算法的背景 | 第28页 |
| ·遗传算法的流程 | 第28-29页 |
| ·遗传算法的应用 | 第29-30页 |
| ·小波SVM预测仿真实验 | 第30-35页 |
| 4. 多变量预测方法研究 | 第35-38页 |
| ·多元回归分析方法 | 第35-36页 |
| ·多变量时间序列预测方法 | 第36-38页 |
| 5. 多变量小波支持向量机预测方法 | 第38-45页 |
| ·单变量支持向量机预测方法 | 第38-40页 |
| ·单输出多变量小波支持向量机预测方法 | 第40-41页 |
| ·多输出多变量小波支持向量机预测方法 | 第41-43页 |
| ·仿真分析 | 第43-45页 |
| 6. 多变量小波SVM在股指预测中的应用 | 第45-50页 |
| ·对上证指数的预测 | 第45-49页 |
| ·数据准备 | 第46页 |
| ·模型预测 | 第46-49页 |
| ·实验结果分析 | 第49-50页 |
| 7. 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 在读期间科研成果 | 第55页 |
