| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文主要研究内容 | 第11-13页 |
| 2 时间序列预测分析及核学习方法 | 第13-23页 |
| 2.1 时间序列预测模型 | 第13页 |
| 2.2 SVM方法 | 第13-16页 |
| 2.3 KPCA-KELM方法 | 第16-20页 |
| 2.3.1 KPCA算法 | 第16-18页 |
| 2.3.2 KPCA-KELM的算法实现 | 第18-20页 |
| 2.4 KPLS方法 | 第20-21页 |
| 2.5 小结 | 第21-23页 |
| 3 基于核自适应滤波的混沌时间序列预测 | 第23-35页 |
| 3.1 KRLS方法 | 第23-27页 |
| 3.2 KLMS方法 | 第27-30页 |
| 3.2.1 算法实现 | 第28页 |
| 3.2.2 稀疏化 | 第28-30页 |
| 3.3 混沌时间序列预测 | 第30-34页 |
| 3.3.1 Henon混沌时间序列单步预测 | 第30-32页 |
| 3.3.2 Mackey-Glass混沌时间序列单步预测 | 第32-34页 |
| 3.4 小结 | 第34-35页 |
| 4 交通流量及网络流量预测实例 | 第35-48页 |
| 4.1 短时交通流量预测实例 | 第35-42页 |
| 4.1.1 实例一数据的选取 | 第35页 |
| 4.1.2 预测结果分析 | 第35-37页 |
| 4.1.3 实例二数据的选取 | 第37页 |
| 4.1.4 实例二预测结果分析 | 第37-39页 |
| 4.1.5 实例三数据的选取 | 第39-40页 |
| 4.1.6 实例三预测结果分析 | 第40-42页 |
| 4.2 网络流量预测实例 | 第42-46页 |
| 4.2.1 数据的选取 | 第42页 |
| 4.2.2 预测结果分析 | 第42-46页 |
| 4.3 小结 | 第46-48页 |
| 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间的研究成果 | 第53页 |