支持向量机在混沌预测和辨识中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-13页 |
| ·课题背景与研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容和安排 | 第11-13页 |
| 2 支持向量回归机理论 | 第13-24页 |
| ·统计学习相关理论 | 第13-14页 |
| ·支持向量回归机 | 第14-21页 |
| ·核函数方法 | 第14-16页 |
| ·ε支持向量回归机 | 第16-18页 |
| ·v支持向量回归机 | 第18-20页 |
| ·最小二乘支持向量回归机 | 第20-21页 |
| ·SVM参数优化选择 | 第21-24页 |
| ·交叉验证法 | 第21-22页 |
| ·粒子群优化算法 | 第22-24页 |
| 3 混沌时间序列预测仿真 | 第24-51页 |
| ·数据预处理和评价指标 | 第24-25页 |
| ·数据预处理 | 第24-25页 |
| ·预测精度评价 | 第25页 |
| ·相空间重构 | 第25-30页 |
| ·延迟时间的确定 | 第26-28页 |
| ·嵌入维数的确定 | 第28-29页 |
| ·时延和嵌入维数确定的仿真实验 | 第29-30页 |
| ·混沌时间序列预测仿真 | 第30-50页 |
| ·Mackey-Glass混沌时间序列预测仿真 | 第31-37页 |
| ·Santa Fe混沌时间序列预测仿真 | 第37-43页 |
| ·月太阳黑子混沌时间序列预测仿真 | 第43-49页 |
| ·加入噪声的混沌时间序列预测仿真 | 第49-50页 |
| ·小结 | 第50-51页 |
| 4 混沌系统辨识 | 第51-57页 |
| ·待辨识的混沌系统 | 第51-52页 |
| ·Logistic映射 | 第51-52页 |
| ·Henon映射 | 第52页 |
| ·Lorenz系统 | 第52页 |
| ·SVM辨识模型评价指标 | 第52-54页 |
| ·定性评价指标 | 第53页 |
| ·定量评价指标 | 第53-54页 |
| ·LS-SVM辨识混沌系统 | 第54页 |
| ·仿真实验 | 第54-56页 |
| ·小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
