基于遗传算法和支持向量回归的网格资源预测
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·网格概述 | 第7-8页 |
| ·网格体系结构 | 第8-9页 |
| ·OGSA | 第8页 |
| ·WSRF | 第8-9页 |
| ·网格资源预测概述 | 第9-10页 |
| ·本文主要研究内容 | 第10-12页 |
| 第2章 支持向量机 | 第12-18页 |
| ·统计学习理论简介 | 第12页 |
| ·支持向量机简介 | 第12-13页 |
| ·支持向量回归机与时间序列预测 | 第13-18页 |
| ·线性支持向量回归机 | 第13-15页 |
| ·非线性支持向量回归机 | 第15-18页 |
| 第3章 遗传算法 | 第18-29页 |
| ·遗传算法常用术语及基本概念 | 第18页 |
| ·遗传算法的机理 | 第18-19页 |
| ·遗传算法结构 | 第19-20页 |
| ·遗传算法的历史与发展 | 第20页 |
| ·用于支持向量机参数优化的遗传算法 | 第20-29页 |
| ·B 遗传算法 | 第21页 |
| ·H 遗传算法 | 第21-22页 |
| ·S 遗传算法 | 第22-25页 |
| ·IS 遗传算法 | 第25-29页 |
| 第4章 遗传支持向量机预测模型 | 第29-33页 |
| ·参数对支持向量机的性能影响分析 | 第29-30页 |
| ·反复试验法确定支持向量机参数 | 第30页 |
| ·遗传算法确定支持向量机参数 | 第30-33页 |
| 第5章 网格资源预测仿真实验分析 | 第33-39页 |
| ·模型建立 | 第33页 |
| ·实验预处理 | 第33-35页 |
| ·模型参数确定 | 第35-36页 |
| ·遗传支持向量机(GA-SVR) | 第35页 |
| ·反复试验法定参的支持向量回归机(T-SVR) | 第35页 |
| ·前馈神经网(BPNN) | 第35-36页 |
| ·实验结果 | 第36-39页 |
| ·支持向量回归机参数选择实验结果 | 第36-37页 |
| ·网格资源预测实验结果 | 第37-39页 |
| 第6章 结论及下一步工作 | 第39-41页 |
| ·结论 | 第39页 |
| ·下一步工作 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-46页 |
| 摘要 | 第46-49页 |
| Abstract | 第49-51页 |
