分布式环境中的性能预测方法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 表格索引 | 第12-13页 |
| 插图索引 | 第13-14页 |
| 主要符号对照表 | 第14-15页 |
| 第一章 绪论 | 第15-23页 |
| ·研究意义及目的 | 第15-16页 |
| ·国内外研究现状 | 第16-21页 |
| ·单变量预测 | 第17-20页 |
| ·多变量预测 | 第20-21页 |
| ·现在存在的问题 | 第21页 |
| ·研究内容及工作 | 第21-22页 |
| ·论文安排 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第二章 相关理论技术 | 第23-33页 |
| ·时间序列 | 第23-26页 |
| ·时间序列简介 | 第23-24页 |
| ·时间序列的预测 | 第24-26页 |
| ·机器学习方法 | 第26-29页 |
| ·神经网络 | 第27-28页 |
| ·支持向量机 | 第28-29页 |
| ·集成学习 | 第29-32页 |
| ·集成学习简介 | 第29-31页 |
| ·集成学习的分类 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 单变量集成预测模型 | 第33-50页 |
| ·基础预测器 | 第34-37页 |
| ·线性预测模型 | 第34-35页 |
| ·非线性预测模型 | 第35-37页 |
| ·迭代的多步预测 | 第37页 |
| ·预测器优化 | 第37-38页 |
| ·预测器集成 | 第38-40页 |
| ·Scoring 集成算法 | 第39-40页 |
| ·加权平均集成算法 | 第40页 |
| ·预测器集成对优化的反馈 | 第40-41页 |
| ·实验结果与分析 | 第41-48页 |
| ·实验使用的数据介绍 | 第42-43页 |
| ·实验方法 | 第43页 |
| ·集成预测模型的参数设置 | 第43-44页 |
| ·两种集成方法的比较 | 第44-45页 |
| ·集成预测模型与基础预测器模型的对比 | 第45-47页 |
| ·预测器优化效果 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 多变量集成预测模型 | 第50-64页 |
| ·多变量预测器 | 第50-52页 |
| ·Liang’s 多变量预测模型 | 第50-51页 |
| ·支持向量机回归预测模型 | 第51页 |
| ·多维修正模型 | 第51-52页 |
| ·改进 SVR 预测模型 | 第52页 |
| ·集成预测模型 | 第52-53页 |
| ·预测器优化 | 第52-53页 |
| ·预测器集成 | 第53页 |
| ·实验结果与分析 | 第53-63页 |
| ·实验使用的数据介绍 | 第53页 |
| ·数据预处理 | 第53-56页 |
| ·多维预测模型与单维预测模型对比 | 第56-59页 |
| ·改进的 SVR 预测模型的调整 | 第59-61页 |
| ·多维集成预测模型效果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 全文总结 | 第64-66页 |
| ·主要工作 | 第64页 |
| ·研究展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文目录 | 第72页 |
