| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·传染病预测发展现状 | 第9-10页 |
| ·支持向量机的提出及研究现状 | 第10-13页 |
| ·研究意义 | 第13页 |
| ·主要内容及论文组织结构 | 第13-15页 |
| 第2章 传染病预测模型概述 | 第15-23页 |
| ·时间序列模型 | 第15-18页 |
| ·微分方程模型 | 第15-17页 |
| ·余弦模型 | 第17-18页 |
| ·Markov 模型 | 第18-19页 |
| ·灰色预测模型 | 第19-20页 |
| ·人工神经网络模型 | 第20-21页 |
| ·传染病预测数学模型存在的问题及研究趋势 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 支持向量机回归理论基础 | 第23-37页 |
| ·统计学习理论核心内容概述 | 第23-28页 |
| ·期望风险和经验风险 | 第24-25页 |
| ·VC 维 | 第25-26页 |
| ·结构风险最小化准则 | 第26-27页 |
| ·支持向量机原理 | 第27-28页 |
| ·优化理论 | 第28-29页 |
| ·支持向量机回归模型 | 第29-35页 |
| ·损失函数 | 第29-30页 |
| ·核函数 | 第30-31页 |
| ·支持向量机回归原理 | 第31-35页 |
| ·支持向量机回归算法步骤 | 第35页 |
| ·支持向量机的特点 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于NSVR 预测模型的传染病预测 | 第37-62页 |
| ·NSVR 预测模型的设计思路 | 第37-50页 |
| ·相空间重构 | 第38-40页 |
| ·核函数的种类 | 第40-41页 |
| ·核函数的组合形式 | 第41-44页 |
| ·参数的分析及选择 | 第44-45页 |
| ·基于改进PSO 算法的参数选择 | 第45-50页 |
| ·NSVR 预测模型的构建 | 第50-53页 |
| ·NSVR 预测模型建模流程 | 第50-51页 |
| ·NSVR 预测模型架构图 | 第51-52页 |
| ·模型的性能评价标准 | 第52-53页 |
| ·预测仿真实例 | 第53-61页 |
| ·数据预处理 | 第53-55页 |
| ·实验过程 | 第55-61页 |
| ·结果分析 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于ARIMA-NSVR 预测模型的传染病预测 | 第62-77页 |
| ·ARIMA 基本理论 | 第62-68页 |
| ·自回归移动平均(ARMA)模型 | 第62-65页 |
| ·求和自回归移动平均(ARIMA)模型 | 第65-66页 |
| ·季节性模型 | 第66-67页 |
| ·模型辨识的基本原则 | 第67-68页 |
| ·ARIMA-NSVR 预测模型 | 第68-70页 |
| ·ARIMA 时间序列预测的建模流程 | 第68-69页 |
| ·ARIMA-NSVR 预测模型的建模流程 | 第69页 |
| ·ARIMA-NSVR 预测模型架构图 | 第69-70页 |
| ·预测仿真实例 | 第70-76页 |
| ·ARIMA 模型预测 | 第70-73页 |
| ·NSVR 模型预测 | 第73-74页 |
| ·ARIMA-NSVR 模型组合预测 | 第74-76页 |
| ·结果分析 | 第76页 |
| ·本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间公开发表的论文与科研项目 | 第84-85页 |
| 致谢 | 第85-86页 |