基于线性规划算法的支持向量机及其应用
| 论文独创性声明 | 第1页 |
| 论文使用授权声明 | 第2-3页 |
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究历史 | 第9-10页 |
| ·支持向量机研究现状 | 第10-12页 |
| ·各种支持向量机方法 | 第10-11页 |
| ·解决大型问题的算法 | 第11-12页 |
| ·支持向量机的应用研究 | 第12页 |
| ·本文主要目的、工作及内容 | 第12-14页 |
| 第二章 支持向量机理论 | 第14-32页 |
| ·引言 | 第14页 |
| ·机器学习的基本问题 | 第14-16页 |
| ·问题的表示 | 第14-15页 |
| ·经验风险最小化归纳原则 | 第15页 |
| ·学习机器的繁杂性和推广能力 | 第15-16页 |
| ·统计学习理论 | 第16-20页 |
| ·VC维 | 第16-17页 |
| ·推广性的界 | 第17-18页 |
| ·结果风险最小化原则 | 第18-20页 |
| ·支持向量机 | 第20-30页 |
| ·最优超平面的构建 | 第20-24页 |
| ·非线性问题的处理 | 第24-27页 |
| ·支持向量机回归 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于线性规划算法的分类支持向量机 | 第32-42页 |
| ·基本概念 | 第32-33页 |
| ·线性分类支持向量机 | 第33-35页 |
| ·非线性分类支持向量机 | 第35-38页 |
| ·模拟实验及结果分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于线性规划算法的回归支持向量机 | 第42-50页 |
| ·线性回归支持向量机 | 第42-44页 |
| ·非线性回归支持向量机 | 第44-45页 |
| ·线性规划支持向量机的求解 | 第45-47页 |
| ·模拟试验及结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于线性规划回归模型的短期电力负荷预测 | 第50-58页 |
| ·模型体系结构 | 第50-51页 |
| ·模型参数选取及优化 | 第51-53页 |
| ·学习参数C的选取方法 | 第51-52页 |
| ·参数ε的选取方法 | 第52-53页 |
| ·高斯核函数参数σ的优化 | 第53页 |
| ·训练集选取及数据预处理 | 第53-55页 |
| ·模型测试与比较分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 全文总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
