经济预测的灰色支持向量回归方法
| 摘要 | 第1-6页 |
| Abstractt | 第6-13页 |
| 第1章 绪论 | 第13-19页 |
| ·问题背景与意义 | 第13-17页 |
| ·本文工作及结构 | 第17-19页 |
| 第2章 灰色系统理论与支持向量机原理 | 第19-46页 |
| ·灰色系统理论 | 第19-29页 |
| ·序列算子与灰色序列累加(减)生成 | 第19-21页 |
| ·灰色关联度 | 第21-23页 |
| ·灰色系统模型GM(1,1) | 第23-29页 |
| ·支持向量回归机原理 | 第29-46页 |
| ·统计学习理论 | 第29-38页 |
| ·核学习理论与方法 | 第38-43页 |
| ·支持向量回归机(SVR) | 第43-46页 |
| 第3章 单变量灰色支持向量回归预测模型 | 第46-60页 |
| ·引言 | 第46-47页 |
| ·m-root GM(1,1)模型及其边值修正 | 第47-49页 |
| ·m-root GM(1,1)模型原理 | 第47-48页 |
| ·边值修正 | 第48-49页 |
| ·支持向量回归及参数确定 | 第49-52页 |
| ·支持向量回归(SVR) | 第49-50页 |
| ·自适用动态参数c | 第50-51页 |
| ·ε的决定 | 第51-52页 |
| ·实证分析 | 第52-59页 |
| ·IGIP(1980-2008)数据集 | 第53-55页 |
| ·TIOV数据集 | 第55-59页 |
| ·小结 | 第59-60页 |
| 第4章 灰色局部支持向量回归机 | 第60-74页 |
| ·引言 | 第60-61页 |
| ·灰色局部支持向量回归机 | 第61-65页 |
| ·局部风险最小化 | 第61-62页 |
| ·局部核回归 | 第62-63页 |
| ·灰色局部支持向量回归机(LG-SVR) | 第63-64页 |
| ·局部支持向量回归机LD-SVR | 第64-65页 |
| ·模型优化 | 第65-66页 |
| ·留一法 | 第65页 |
| ·PS算法 | 第65-66页 |
| ·实证分析 | 第66-72页 |
| ·小结 | 第72-74页 |
| 第5章 多变量灰色支持向量回归机 | 第74-86页 |
| ·引言 | 第74-75页 |
| ·多变量灰色模型MGM(1,n) | 第75-77页 |
| ·MGM(1,n)模型的形式 | 第75-76页 |
| ·MGM(1,n)模型的求解 | 第76-77页 |
| ·多元核支持向量回归机(MSVR) | 第77-78页 |
| ·实证分析 | 第78-85页 |
| ·经济状况多因素指标数据序列(FMIS) | 第78-81页 |
| ·股票多因素指标数据序列(SMIS) | 第81-85页 |
| ·小结 | 第85-86页 |
| 第6章 在线自适应灰色支持向量机 | 第86-104页 |
| ·引言 | 第86页 |
| ·在线自适应灰色预测模型 | 第86-88页 |
| ·在线自适应灰色支持向量回归预测模型 | 第88-97页 |
| ·残差修正的支持向量回归方法 | 第88页 |
| ·残差修正的在线自适应核学习机方法 | 第88-97页 |
| ·实证分析 | 第97-103页 |
| ·小结 | 第103-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-114页 |
| 致谢 | 第114-115页 |
| 攻读博士学位期间发表论文及研究课题 | 第115页 |
