基于商空间的多因素时间序列分类预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要内容及结构 | 第12-14页 |
| 第二章 商空间粒度计算理论 | 第14-24页 |
| ·粒度计算的基本理论概述 | 第14-16页 |
| ·商空间理论的基本模型 | 第16-19页 |
| ·商空间的保假与保真原理 | 第19-20页 |
| ·时间序列的粒度构建 | 第20-24页 |
| 第三章 时间序列预测 | 第24-42页 |
| ·时间序列介绍 | 第24-25页 |
| ·多因素时间序列 | 第25-26页 |
| ·时间序列预测模型 | 第26-30页 |
| ·基于统计学方法的预测模型 | 第26-28页 |
| ·基于神经网络的预测模型 | 第28-30页 |
| ·基于灰色理论的预测模型 | 第30页 |
| ·构造性神经网络 | 第30-37页 |
| ·人工神经网络介绍 | 第31-32页 |
| ·构造性神经网络 | 第32-34页 |
| ·基于竞争的覆盖算法 | 第34-36页 |
| ·实验 | 第36-37页 |
| ·灰色理论与GM(1,1)模型 | 第37-42页 |
| ·灰色理论 | 第37-38页 |
| ·灰色关联算法 | 第38-39页 |
| ·GM(1,1)模型 | 第39-42页 |
| 第四章 灰色与构造性神经网络混合预测模型 | 第42-58页 |
| ·多因素时间序列预测 | 第42-47页 |
| ·分类预测模型 | 第42-43页 |
| ·数值预测模型 | 第43-47页 |
| ·实验背景介绍 | 第47页 |
| ·实验数据说明 | 第47-50页 |
| ·原始数据 | 第47-48页 |
| ·时间序列数据预处理 | 第48-49页 |
| ·特征变量的选取 | 第49-50页 |
| ·分类预测模型实验 | 第50-52页 |
| ·实验过程 | 第50-52页 |
| ·实验结果分析 | 第52页 |
| ·混合预测模型实验 | 第52-58页 |
| ·训练构造性神经网络 | 第53-56页 |
| ·混合预测模型实验 | 第56-57页 |
| ·实验结果分析 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
