| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题背景 | 第7-8页 |
| ·传染病预测发展现状 | 第8-9页 |
| ·支持向量机的发展状况 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·本文的主要工作及论文结构 | 第11-12页 |
| 第二章 传染病预测方法 | 第12-21页 |
| ·传统的传染病预测方法 | 第12-13页 |
| ·时间序列预测法 | 第12-13页 |
| ·灰色预测法 | 第13页 |
| ·神经网络预测方法 | 第13-15页 |
| ·人工神经元模型 | 第14页 |
| ·人工神经网络的类型 | 第14-15页 |
| ·BP网络及其学习算法 | 第15-19页 |
| ·BP神经网络结构 | 第16页 |
| ·BP学习算法原理 | 第16-19页 |
| ·神经网络预测建模步骤 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 支持向量机及其理论基础 | 第21-32页 |
| ·机器学习 | 第21-23页 |
| ·经验风险最小化 | 第22页 |
| ·复杂性与推广能力 | 第22-23页 |
| ·统计学习理论 | 第23-25页 |
| ·VC维及推广能力的界 | 第23-24页 |
| ·结构风险最小化 | 第24-25页 |
| ·支持向量机原理 | 第25-26页 |
| ·支持向量机回归 | 第26-30页 |
| ·损失函数 | 第27页 |
| ·线性支持向量回归 | 第27-28页 |
| ·非线性支持向量回归 | 第28-29页 |
| ·核函数 | 第29-30页 |
| ·支持向量机的改进 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于最小二乘支持向量机的传染病发病率预测模型的实现 | 第32-45页 |
| ·LS-SVM | 第32-34页 |
| ·LS-SVM的参数选择算法 | 第34-35页 |
| ·交叉确认法 | 第34页 |
| ·网格搜索法 | 第34-35页 |
| ·LS-SVM建模 | 第35-37页 |
| ·样本数据的处理 | 第36页 |
| ·性能评价指标 | 第36页 |
| ·核函数的选择 | 第36-37页 |
| ·各参数的确定 | 第37页 |
| ·嵌入维的选择 | 第37页 |
| ·γ、σ的确定 | 第37页 |
| ·结果预测与分析 | 第37-41页 |
| ·基于LS-SVM传染病预测系统的实现 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·总结 | 第45页 |
| ·展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读学位期间公开发表的论文 | 第50-51页 |
| 致谢 | 第51页 |