| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题来源及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-18页 |
| 1.2.1 时间序列预测方法研究现状 | 第10-14页 |
| 1.2.2 在线时间序列预测方法研究现状 | 第14-17页 |
| 1.2.3 基于 KRLS 算法的在线时间序列预测研究现状 | 第17-18页 |
| 1.3 本文的研究内容与结构 | 第18-20页 |
| 第2章 基于 KRLS 的在线时间序列预测方法 | 第20-33页 |
| 2.1 KRLS 算法概述 | 第20-23页 |
| 2.1.1 RLS 算法基本原理 | 第20-21页 |
| 2.1.2 KRLS 算法基本原理 | 第21-23页 |
| 2.2 KRLS 算法样本词典更新方法 | 第23-25页 |
| 2.2.1 稀疏化方法 | 第23-24页 |
| 2.2.2 滑动窗口方法 | 第24-25页 |
| 2.2.3 固定预算方法 | 第25页 |
| 2.3 基于 KRLS 算法的在线时间序列预测方法 | 第25-27页 |
| 2.4 样本词典对在线时间序列预测性能的影响分析 | 第27-32页 |
| 2.4.1 实验数据及实验环境介绍 | 第28-29页 |
| 2.4.2 实验结果与分析 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 动态遗忘稀疏 KRLS 在线时间序列预测方法研究 | 第33-43页 |
| 3.1 动态遗忘方法概述 | 第33-34页 |
| 3.2 动态遗忘稀疏 KRLS 算法原理 | 第34-39页 |
| 3.2.1 指数遗忘稀疏 KRLS 算法原理 | 第34-38页 |
| 3.2.2 动态自适应遗忘因子方法 | 第38-39页 |
| 3.3 动态遗忘稀疏 KRLS 算法的在线时间序列预测实验 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 扩展 KRLS 算法在线时间序列预测方法研究 | 第43-57页 |
| 4.1 扩展 KRLS 算法概述 | 第43-48页 |
| 4.1.1 扩展 RLS 算法原理 | 第43-44页 |
| 4.1.2 扩展 KRLS 算法原理 | 第44-45页 |
| 4.1.3 一种特殊的扩展 KRLS 算法 | 第45-48页 |
| 4.2 稀疏扩展 KRLS 算法及其在线时间序列预测 | 第48-53页 |
| 4.2.1 算法原理 | 第48-50页 |
| 4.2.2 实验与结果分析 | 第50-53页 |
| 4.3 动态遗忘稀疏扩展 KRLS 算法的在线时间序列预测 | 第53-56页 |
| 4.3.1 算法原理 | 第53-54页 |
| 4.3.2 实验与结果分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于 KRLS 的在线时间序列预测应用研究 | 第57-65页 |
| 5.1 基于 KRLS 的 NASA 锂离子电池容量数据在线预测 | 第57-61页 |
| 5.1.1 基于 KRLS 的 NASA 锂离子电池容量在线预测方法 | 第57-60页 |
| 5.1.2 预测结果与分析 | 第60-61页 |
| 5.2 基于 KRLS 的移动通信话务量数据在线预测 | 第61-64页 |
| 5.2.1 基于 KRLS 的移动通信话务量在线预测方法 | 第61-63页 |
| 5.2.2 预测结果与分析 | 第63-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-74页 |
| 攻读学位期间发表的学术论文及发明专利 | 第74-76页 |
| 致谢 | 第76-77页 |
