| 符号说明 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.1.1 帆船运动的历史与发展 | 第10页 |
| 1.1.2 我国帆船运动现状 | 第10-11页 |
| 1.1.3 影响帆船运动的因素 | 第11页 |
| 1.2 帆船运动的研究现状 | 第11-12页 |
| 1.2.1 国外研究状况 | 第11-12页 |
| 1.2.2 国内研究状况 | 第12页 |
| 1.3 研究方法的选择 | 第12-17页 |
| 1.3.1 数据挖掘 | 第13页 |
| 1.3.2 机器学习 | 第13-16页 |
| 1.3.3 时间序列预测 | 第16页 |
| 1.3.4 支持向量机学习方法 | 第16-17页 |
| 1.4 论文研究的意义 | 第17页 |
| 1.5 本文的创新点 | 第17-18页 |
| 1.6 本文内容及组织安排 | 第18-19页 |
| 第二章 支持向量机 | 第19-36页 |
| 2.1 机器学习问题 | 第19-21页 |
| 2.1.1 经验风险最小化原则 | 第20-21页 |
| 2.2 统计学习理论 | 第21-25页 |
| 2.2.1 VC维 | 第21-22页 |
| 2.2.2 结构风险最小化原则 | 第22-25页 |
| 2.3 支持向量机原理 | 第25-29页 |
| 2.3.1 分类问题的引出 | 第25页 |
| 2.3.2 线性可分问题 | 第25-28页 |
| 2.3.3 线性不可分问题 | 第28-29页 |
| 2.4 支持向量回归机 | 第29-33页 |
| 2.4.1 非线性支持向量回归机 | 第31-32页 |
| 2.4.2 核函数 | 第32-33页 |
| 2.5 支持向量机的应用 | 第33-35页 |
| 2.5.1 支持向量机的特征 | 第33-34页 |
| 2.5.2 支持向量机体现的重要思想 | 第34-35页 |
| 2.5.3 使用支持向量机需要注意的地方 | 第35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于支持向量机的帆船运动速度回归预测 | 第36-54页 |
| 3.1 建立帆船运动参数数据库 | 第36-38页 |
| 3.2 帆船运动船速、船向、VMG预测模型 | 第38-40页 |
| 3.3 实验环境 | 第40-41页 |
| 3.3.1 LIBSVM工具介绍 | 第40-41页 |
| 3.4 仿真实验及结果分析 | 第41-46页 |
| 3.4.1 核函数的选择对预测结果的影响 | 第43页 |
| 3.4.2 交叉验证算法选择合适的c与g | 第43-45页 |
| 3.4.3 与其他预测方法的比较 | 第45-46页 |
| 3.5 基于支持向量机的预测实现 | 第46-53页 |
| 3.5.1 帆船船速、船向的回归预测 | 第46-49页 |
| 3.5.2 VMG的计算及回归预测 | 第49-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于支持向量机和信息粒化和帆船运动变化趋势预测 | 第54-73页 |
| 4.1 粒计算 | 第54-56页 |
| 4.1.1 粒计算的思想 | 第54-55页 |
| 4.1.2 粒计算的意义 | 第55页 |
| 4.1.3 粒化问题的描述 | 第55-56页 |
| 4.2 模糊集 | 第56-60页 |
| 4.2.1 模糊集合与隶属度函数 | 第56-57页 |
| 4.2.2 模糊集合表示法 | 第57-58页 |
| 4.2.3 模糊集合的运算 | 第58-59页 |
| 4.2.4 实数域内的几种模糊分布 | 第59-60页 |
| 4.3 模糊信息粒化 | 第60-62页 |
| 4.3.1 三种粒计算方法的差异 | 第60-61页 |
| 4.3.2 模糊信息粒化模型 | 第61-62页 |
| 4.4 变化趋势和变化空间预测 | 第62-72页 |
| 4.4.1 帆船船速仿真分析 | 第63-67页 |
| 4.4.2 帆船船向仿真分析 | 第67-70页 |
| 4.4.3 VMG仿真分析 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结和展望 | 第73-76页 |
| 5.1 工作总结 | 第73-74页 |
| 5.2 未来研究工作展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 附录：硕士期间发表论文及参与科研项目 | 第80-81页 |