首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于Bootstrap和相关向量机的区间预测方法及应用研究

摘要第4-6页
ABSTRACT第6-8页
第一章 绪论第15-21页
    1.1 课题来源第15页
    1.2 研究背景与研究意义第15-16页
    1.3 国内外研究发展现状第16-18页
        1.3.1 点预测方法第17页
        1.3.2 区间预测方法第17-18页
    1.4 课题研究内容第18-19页
    1.5 论文组织结构第19-21页
第二章 区间预测方法基础理论第21-35页
    2.1 Bootstrap第22-26页
        2.1.1 配对Bootstrap第22-23页
        2.1.2 残差抽样Bootstrap第23页
        2.1.3 加权残差Bootstrap第23-24页
        2.1.4 分块Bootstrap第24-26页
    2.2 相关向量机第26-29页
        2.2.1 贝叶斯推理及证据近似第26-28页
        2.2.2 证据近似过程第28-29页
        2.2.3 自相关决策第29页
    2.3 区间预测评价指标第29-33页
        2.3.1 预测区间覆盖概率第29-30页
        2.3.2 平均预测区间宽度第30页
        2.3.3 规范化的平均预测区间宽度第30-31页
        2.3.4 平均覆盖误差第31页
        2.3.5 温克勒评分第31页
        2.3.6 累积偏差第31-32页
        2.3.7 基于覆盖宽度的准则第32-33页
    2.4 本章小结第33-35页
第三章 基于Bootstrap和RVM的区间预测方法研究第35-47页
    3.1 基于Bootstrapped-RVM的预测区间构建第35-38页
        3.1.1 Bootstrap抽样及训练第35-36页
        3.1.2 获取模型不确定度方差及置信区间第36-37页
        3.1.3 获取数据噪声方差及预测区间第37-38页
    3.2 并行训练和预测算法第38-42页
        3.2.1 并行算法改进第38-40页
        3.2.2 使用Parallel Bootstrapped RVM构建预测区间第40-42页
    3.3 数据归一化与方差修正第42-45页
        3.3.1 数据归一化对方差估计的影响分析第42-43页
        3.3.2 模型方差的估计修正第43-44页
        3.3.3 噪声方差估计修正第44-45页
    3.4 本章小结第45-47页
第四章 基于Bootstrap和双稀疏多核RVM的区间预测方法第47-63页
    4.1 基于双稀疏多核相关向量机的区间预测方法第47-49页
        4.1.1 双稀疏多核相关向量机第47页
        4.1.2 DSRVM与RVM算法的对比第47-49页
    4.2 改进的预测区间评价指标第49-50页
        4.2.1 基于区间的平均误差第49页
        4.2.2 窗口区间评价第49-50页
    4.3 仿真实验验证与分析第50-61页
        4.3.1 核函数参数的确定第51-52页
        4.3.2 SVM的“支持向量”与RVM的“相关向量”第52-53页
        4.3.3 高斯噪声下四种方法的仿真及对比第53-56页
        4.3.4 非高斯噪声下四种方法的仿真及对比第56-57页
        4.3.5 异方差噪声下四种方法的仿真及对比第57-59页
        4.3.6 三种Bootstrap方法对区间预测结果的影响第59-61页
    4.4 本章小结第61-63页
第五章 区间预测方法在高密度聚乙烯生产过程中的应用研究第63-75页
    5.1 HDPE工艺简介第63-64页
    5.2 HDPE生产过程质量指标的区间预测及分析第64-73页
        5.2.1 一反熔融指数模型与分析第64-69页
            5.2.1.1 变量选择第64-65页
            5.2.1.2 建模预测与分析第65-69页
        5.2.2 二反熔融指数模型与分析第69-73页
            5.2.2.1 变量选择第69-70页
            5.2.2.2 建模预测与分析第70-73页
    5.3 本章小结第73-75页
第六章 总结与展望第75-77页
    6.1 工作总结第75页
    6.2 工作展望第75-77页
参考文献第77-81页
致谢第81-83页
研究成果及发表的学术论文第83-85页
作者和导师简介第85-86页
附件第86-87页

论文共87页,点击 下载论文
上一篇:基于多任务卷积神经网络的服装图像分类与检索
下一篇:几类异构多智能体系统的自适应一致性跟踪控制研究