基于支持向量机回归的传染病预测系统建模
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·中医预测方法 | 第13-14页 |
| ·数学模型预测法 | 第14-16页 |
| ·研究内容 | 第16-17页 |
| ·本文结构安排 | 第17-19页 |
| 第2章 支持向量机理论 | 第19-31页 |
| ·统计学习理论 | 第19-21页 |
| ·VC维 | 第19-20页 |
| ·结构风险最小化 | 第20-21页 |
| ·支持向量机 | 第21-24页 |
| ·最优超平面 | 第21-23页 |
| ·核函数简介 | 第23-24页 |
| ·支持向量机回归 | 第24-27页 |
| ·ε不敏感损失函数 | 第25页 |
| ·支持向量回归 | 第25-27页 |
| ·SVC与SVR的关系 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 核函数的构造及参数确定 | 第31-41页 |
| ·核函数的构造 | 第31-35页 |
| ·核函数有效性判断 | 第31-32页 |
| ·混合核函数 | 第32-35页 |
| ·混合核函数系数求解 | 第35-38页 |
| ·现有的权重求解方法 | 第35-36页 |
| ·基于特征距离的权重求解方法 | 第36-38页 |
| ·实验仿真 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 传染病预测模型设计 | 第41-49页 |
| ·时间序列分析概述 | 第41-42页 |
| ·ARMA模型 | 第42-44页 |
| ·AR模型 | 第42-43页 |
| ·MA模型 | 第43页 |
| ·ARMA模型 | 第43-44页 |
| ·ARIMA模型 | 第44-46页 |
| ·ARIMA模型 | 第44-46页 |
| ·季节性ARIMA模型 | 第46页 |
| ·ARIMA-SVR传染病预测模型 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 传染病预测模型实现 | 第49-67页 |
| ·气象数据预处理 | 第49-53页 |
| ·主成分分析 | 第49-51页 |
| ·PCA在气象数据上的应用 | 第51-53页 |
| ·运气因子的量化 | 第53-57页 |
| ·中医运气学说简介 | 第53-56页 |
| ·运气因子的量化 | 第56-57页 |
| ·SVR模型预测仿真 | 第57-60页 |
| ·ARIMA模型预测仿真 | 第60-63页 |
| ·ARIMA-SVR模型预测仿真 | 第63-64页 |
| ·本章小结 | 第64-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录1 插图索引 | 第73-74页 |
| 附录2 表格索引 | 第74-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表的学术论文与取得的其它研究成果 | 第77页 |
