| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第一章 绪论 | 第15-21页 |
| ·研究的背景和意义 | 第15-16页 |
| ·研究方法 | 第16-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·本文的研究内容 | 第18页 |
| ·论文安排 | 第18-21页 |
| 第二章 时间序列分解和序列的时频分析 | 第21-41页 |
| ·经济时间序列分解 | 第21-22页 |
| ·时间频率分析 | 第22-26页 |
| ·序列的时间域描述 | 第22-23页 |
| ·序列的频率域描述 | 第23-24页 |
| ·时间频率分析 | 第24-26页 |
| ·EMD算法 | 第26-41页 |
| ·希尔伯特变换 | 第26-29页 |
| ·瞬时频率的解释 | 第29-30页 |
| ·IMF的概念 | 第30-32页 |
| ·筛过程(Sifting Processing) | 第32-37页 |
| ·Hilbert-Huang变换 | 第37-41页 |
| 第三章 经验模式分解算法部分理论分析 | 第41-55页 |
| ·本质模式函数(IMF)讨论 | 第41-42页 |
| ·筛过程的本质 | 第42-49页 |
| ·EMD收敛性的讨论 | 第49-55页 |
| 第四章 经验模式分解算法的改进 | 第55-75页 |
| ·EMD的问题 | 第55-56页 |
| ·带宽经验模式分解算法 | 第56-66页 |
| ·经验模式分解算法的停止准则 | 第56-57页 |
| ·带宽准则 | 第57-60页 |
| ·瞬时频率的估计 | 第60-61页 |
| ·带宽经验模式分解算法步骤 | 第61-62页 |
| ·带宽经验模式分解算法模拟实验 | 第62-66页 |
| ·加细经验模式分解算法 | 第66-75页 |
| ·奇异算子信号分解基本概念 | 第67-69页 |
| ·奇异算子信号分解算法 | 第69-71页 |
| ·加细经验模式分解算法 | 第71-75页 |
| 第五章 基于EMD提取趋势项的研究 | 第75-87页 |
| ·趋势项提取简介 | 第75-76页 |
| ·滤波方法提取趋势项 | 第76-78页 |
| ·巴特沃兹滤波器(Butterworth Filter) | 第76-77页 |
| ·Hodrick-Prescott(HP) Filter | 第77-78页 |
| ·应用带宽经验模式分解算法提取趋势项 | 第78-87页 |
| 第六章 经验模式分解算法提取和分析序列季节性 | 第87-103页 |
| ·数据来源与说明 | 第87-90页 |
| ·应用ARIMA模型提取季节项结果分析 | 第90-92页 |
| ·应用经验模式分解分析时间序列 | 第92-97页 |
| ·带宽经验模式分解与其它经验模式分解算法的对比 | 第92-94页 |
| ·带宽经验模式分解结果分析 | 第94-97页 |
| ·应用带宽经验模式分解分析图像信号 | 第97-103页 |
| ·二维带宽经验模式分解 | 第98-99页 |
| ·Gabor滤波器组分解 | 第99-100页 |
| ·BEMD-Gabor算法 | 第100-101页 |
| ·纹理分析结果 | 第101-103页 |
| 第七章 经验模式分解算法结合LS-SVM预测 | 第103-117页 |
| ·最小二乘支撑向量机 | 第103-106页 |
| ·基于EMD的支撑向量机预测 | 第106-107页 |
| ·EMD-SVM预测结果 | 第107-117页 |
| ·数据集 | 第107页 |
| ·性能评价指标 | 第107-108页 |
| ·预测结果 | 第108-117页 |
| 第八章 结论 | 第117-119页 |
| ·主要工作和贡献 | 第117页 |
| ·进一步的工作 | 第117-119页 |
| 参考文献 | 第119-126页 |
| 致谢 | 第126-127页 |
| 在读期间发表的学术论文与取得的研究成果 | 第127页 |