基于支持向量机的非线性模型及其在区域经济预测中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·问题的提出及意义 | 第8-10页 |
| ·本文的研究思路与主要内容 | 第10-12页 |
| 2 区域经济预测综述 | 第12-21页 |
| ·区域经济预测特点 | 第12-13页 |
| ·区域经济预测分类 | 第13-14页 |
| ·常见预测方法分类 | 第14-15页 |
| ·国内外研究现状综述 | 第15-20页 |
| ·本章小结 | 第20-21页 |
| 3 统计学习理论与支持向量机 | 第21-29页 |
| ·机器学习与统计学习理论 | 第21-24页 |
| ·机器学习问题 | 第21页 |
| ·统计学习理论 | 第21-24页 |
| ·支持向量机的基本原理 | 第24-27页 |
| ·线性可分情况 | 第24-26页 |
| ·线性不可分情况 | 第26页 |
| ·非线性可分情况 | 第26-27页 |
| ·核函数 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于支持向量机的非线性预测模型 | 第29-36页 |
| ·回归问题 | 第29-30页 |
| ·支持向量机回归预测模型 | 第30-33页 |
| ·ε-支持向量回归机 | 第30-32页 |
| ·ν-支持向量回归机 | 第32-33页 |
| ·支持向量机回归求解算法 | 第33-34页 |
| ·块算法 | 第33页 |
| ·分解算法 | 第33-34页 |
| ·序贯最小优化算法 | 第34页 |
| ·支持向量机回归预测流程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 实证研究 | 第36-54页 |
| ·引言 | 第36页 |
| ·指标体系构建 | 第36-39页 |
| ·指标体系构建原则 | 第36-37页 |
| ·本文研究的指标体系 | 第37-39页 |
| ·数据样本选取与预处理 | 第39-44页 |
| ·原始数据的选取 | 第39-40页 |
| ·样本数据的构成 | 第40-42页 |
| ·数据的预处理 | 第42-44页 |
| ·样本集的划分 | 第44页 |
| ·参数选择 | 第44-48页 |
| ·核函数选择及构造 | 第45-46页 |
| ·训练参数的优化选择 | 第46-48页 |
| ·训练结果与模型分析 | 第48-51页 |
| ·与神经网络方法的对比 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| ·全文工作总结 | 第54-55页 |
| ·将来研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62页 |
| 作者在攻读硕士学位期间所发表的论文目录 | 第62页 |
| 作者在攻读硕士学位期间参与的研究课题 | 第62页 |
