| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 论文的选题背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 2 最小最大概率机理论基础 | 第12-20页 |
| 2.1 最小最大概率机模型 | 第12-13页 |
| 2.2 最小最大概率分类机 | 第13-16页 |
| 2.2.1 线性最小最大概率分类机 | 第13-15页 |
| 2.2.2 核化最小最大概率分类机 | 第15-16页 |
| 2.3 最小最大概率回归机 | 第16-20页 |
| 2.3.1 向量的距离计算 | 第18-19页 |
| 2.3.2 MPMR 的几何解释 | 第19-20页 |
| 3 时间序列混沌特性分析 | 第20-34页 |
| 3.1 混沌理论 | 第20-21页 |
| 3.2 三组时间序列数据 | 第21-23页 |
| 3.3 时间序列混沌特性判别 | 第23-27页 |
| 3.3.1 李雅普诺夫指数 | 第24页 |
| 3.3.2 可预测性分析 | 第24-27页 |
| 3.4 相空间重构 | 第27-34页 |
| 3.4.1 延迟时间选取 | 第27-28页 |
| 3.4.2 嵌入维数的选取 | 第28-29页 |
| 3.4.3 时间序列的时延及嵌入维数 | 第29-34页 |
| 4 预测实验与分析 | 第34-59页 |
| 4.1 预测原理 | 第34页 |
| 4.2 最小最大概率回归机用于时间序列预测 | 第34-36页 |
| 4.2.1 样本数据的选取与预处理 | 第34-35页 |
| 4.2.2 预测评价指标 | 第35-36页 |
| 4.2.3 核函数选取 | 第36页 |
| 4.3 Mackey-Glass 混沌时间序列预测 | 第36-40页 |
| 4.3.1 MPMR 单步预测 | 第38-39页 |
| 4.3.2 MPMR 多步预测 | 第39-40页 |
| 4.4 短时交通流预测应用实例一 | 第40-47页 |
| 4.4.1 MPMR 单步预测 | 第41-42页 |
| 4.4.2 MPMR 多步预测 | 第42-43页 |
| 4.4.3 基于不同方法的短时交通流单步预测比较实验 | 第43-45页 |
| 4.4.4 不同延迟时间和嵌入维数的单步预测性能分析 | 第45-47页 |
| 4.5 短时交通流预测应用实例二 | 第47-53页 |
| 4.5.1 MPMR 单步预测 | 第48-49页 |
| 4.5.2 MPMR 多步预测 | 第49-50页 |
| 4.5.3 基于不同方法的短时交通流单步预测比较实验 | 第50-52页 |
| 4.5.4 不同延迟时间和嵌入维数的单步预测性能分析 | 第52-53页 |
| 4.6 网络视频流预测应用实例三 | 第53-59页 |
| 4.6.1 MPMR 单步预测 | 第53-54页 |
| 4.6.2 MPMR 多步预测 | 第54-56页 |
| 4.6.3 基于不同方法的网络视频流单步预测比较实验 | 第56-57页 |
| 4.6.4 不同嵌入维数和时间延迟的单步预测性能分析 | 第57-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
