| 中文摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 预备知识 | 第14-19页 |
| 1.3.1 B-样条 | 第14-15页 |
| 1.3.2 函数型数据预处理方法 | 第15-16页 |
| 1.3.3 高斯过程及高斯过程回归 | 第16-17页 |
| 1.3.4 Nystrom方法 | 第17-19页 |
| 1.4 本文的创新点 | 第19页 |
| 1.5 本文的主要工作和结构安排 | 第19-21页 |
| 第二章 基于高斯过程函数型回归模型的日最高气温研究 | 第21-31页 |
| 2.1 模型构建 | 第21-22页 |
| 2.2 参数估计 | 第22-24页 |
| 2.3 日最高气温的实例分析 | 第24-30页 |
| 2.3.1 随机预测与外延预测 | 第25-26页 |
| 2.3.2 k步预测 | 第26-29页 |
| 2.3.3 新目标预测 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于带有固定效应的高斯过程函数型回归模型日最高气温研究 | 第31-41页 |
| 3.1 模型构建 | 第31-32页 |
| 3.2 参数估计 | 第32-34页 |
| 3.3 预测 | 第34-35页 |
| 3.4 实例分析 | 第35-39页 |
| 3.4.1 随机预测与外延预测 | 第35-36页 |
| 3.4.2 多目标预测 | 第36-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于高斯过程函数型主成分分析的日最高气温研究 | 第41-49页 |
| 4.1 多元主成分分析 | 第41-42页 |
| 4.2 函数型主成分分析 | 第42-43页 |
| 4.3 基于高斯过程的函数型主成分分析 | 第43-44页 |
| 4.4 函数型主成分预测 | 第44页 |
| 4.5 主成分个数的选取 | 第44-45页 |
| 4.6 实例分析 | 第45-47页 |
| 4.7 本章小结 | 第47-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录一 硕士期间已完成论文列表 | 第54-55页 |
| 附录二 致谢 | 第55页 |
