支持向量机在人口数据分析中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题背景及研究意义 | 第8页 |
| 1.2 支持向量机产生 | 第8-9页 |
| 1.3 支持向量机研究现状 | 第9-10页 |
| 1.4 本文主要工作及组织结构 | 第10-12页 |
| 1.4.1 主要工作 | 第10-11页 |
| 1.4.2 组织结构 | 第11-12页 |
| 2 统计学习理论 | 第12-17页 |
| 2.1 机器学习及其发展历史 | 第12页 |
| 2.2 机器学习的基本问题 | 第12-13页 |
| 2.3 统计学习理论主要内容 | 第13页 |
| 2.4 VC维 | 第13-14页 |
| 2.5 推广性的界 | 第14-15页 |
| 2.6 结构风险最小化原则 | 第15-17页 |
| 3 支持向量机 | 第17-31页 |
| 3.1 线性支持向量机 | 第17-22页 |
| 3.1.1 线性可分情况 | 第17-20页 |
| 3.1.2 线性不可分情况 | 第20-22页 |
| 3.2 非线性支持向量机 | 第22-23页 |
| 3.3 核函数 | 第23-26页 |
| 3.4 支持向量机回归机 | 第26-30页 |
| 3.4.1 线性回归算法 | 第27-29页 |
| 3.4.2 非线性回归算法 | 第29-30页 |
| 3.5 支持向量机的特点及其优势 | 第30-31页 |
| 4 实例分析 | 第31-42页 |
| 4.1 描述统计 | 第31-33页 |
| 4.2 支持向量机模型预测 | 第33-42页 |
| 4.2.1 模型一 | 第33-34页 |
| 4.2.2 核函数及模型参数的选择 | 第34页 |
| 4.2.3 预测结果 | 第34-37页 |
| 4.2.4 模型二 | 第37-38页 |
| 4.2.5 核函数及模型参数的选择 | 第38-39页 |
| 4.2.6 预测结果 | 第39-42页 |
| 5 人口与地区生产总值之间的关系 | 第42-46页 |
| 5.1 平稳性检验 | 第42-43页 |
| 5.2 回归模型 | 第43-44页 |
| 5.3 协整检验 | 第44-46页 |
| 6 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-49页 |
| 致谢 | 第49页 |
