| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·话务量预测的背景及意义 | 第7-8页 |
| ·选题背景 | 第7页 |
| ·选题意义 | 第7-8页 |
| ·话务量预测方法简介 | 第8-10页 |
| ·话务量 | 第8页 |
| ·预测数据选取 | 第8-9页 |
| ·话务量预测方法 | 第9-10页 |
| ·本文主要工作及内容组织 | 第10-11页 |
| 第二章 SVR 算法理论 | 第11-18页 |
| ·引言 | 第11页 |
| ·统计学习理论 | 第11-13页 |
| ·VC 维 | 第11-12页 |
| ·推广性的界 | 第12页 |
| ·结构风险最小化 | 第12-13页 |
| ·SVR 基本理论 | 第13-17页 |
| ·算法研究现状 | 第13页 |
| ·算法原理 | 第13-15页 |
| ·SVR 参数分析 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于改进粒子群的 SVR 预测算法 | 第18-27页 |
| ·引言 | 第18页 |
| ·群智能 | 第18-19页 |
| ·粒子群算法研究现状 | 第19页 |
| ·基本粒子群算法原理及数学描述 | 第19-24页 |
| ·基本粒子群算法原理 | 第19-20页 |
| ·基本粒子群算法数学模型 | 第20-21页 |
| ·算法的社会行为分析 | 第21-22页 |
| ·算法需要调节的参数 | 第22-23页 |
| ·改进的粒子群算法(MPSO Algorithm) | 第23-24页 |
| ·仿真结果及分析 | 第24-26页 |
| ·实验数据及算法初始值选择 | 第24-25页 |
| ·预测结果及分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 半监督学习算法 | 第27-36页 |
| ·引言 | 第27页 |
| ·机器学习 | 第27-28页 |
| ·无监督学习 | 第28页 |
| ·监督学习 | 第28页 |
| ·半监督学习 | 第28页 |
| ·半监督学习研究现状 | 第28-29页 |
| ·半监督学习算法 | 第29-31页 |
| ·基于图的方法 | 第31-35页 |
| ·具体算法描述 | 第31-32页 |
| ·相似性度量 | 第32-33页 |
| ·图的构造 | 第33-34页 |
| ·图的正则化 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于改进半监督 SVR 的预测算法 | 第36-42页 |
| ·引言 | 第36-37页 |
| ·Nystrom 算法 | 第37-38页 |
| ·仿真结果及分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第六章 总结和展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 硕士期间发表论文 | 第47-48页 |
| 致谢 | 第48页 |