| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-12页 |
| Contents | 第12-16页 |
| 第一章 绪论 | 第16-29页 |
| 1.1 研究背景及意义 | 第16-19页 |
| 1.2 LS-SVM研究现状及分析 | 第19-23页 |
| 1.2.1 LS-SVM算法研究现状 | 第20-21页 |
| 1.2.2 LS-SVM应用研究现状 | 第21-22页 |
| 1.2.3 LS-SVM研究现状分析 | 第22-23页 |
| 1.3 基于LS-SVR的水质预测研究 | 第23-25页 |
| 1.4 本文主要研究内容与章节安排 | 第25-29页 |
| 1.4.1 主要研究内容 | 第25-26页 |
| 1.4.2 论文章节安排 | 第26-29页 |
| 第二章 LS-SVR相关理论 | 第29-42页 |
| 2.1 统计学习理论 | 第29-34页 |
| 2.1.1 经验风险最小化原则 | 第30-31页 |
| 2.1.2 统计学习的基本定理 | 第31-33页 |
| 2.1.3 VC维理论及结构风险最小化原则 | 第33-34页 |
| 2.2 支持向量机 | 第34-40页 |
| 2.2.1 非线性优化理论 | 第35-36页 |
| 2.2.2 支持向量机回归分析 | 第36-38页 |
| 2.2.3 核函数方法 | 第38-40页 |
| 2.3 LS-SVR算法 | 第40-41页 |
| 2.4 小结 | 第41-42页 |
| 第三章 基于偏互信息的回归预测模型输入选择算法研究 | 第42-60页 |
| 3.1 引言 | 第42-43页 |
| 3.2 熵和互信息理论 | 第43-48页 |
| 3.2.1 熵信息理论 | 第43-45页 |
| 3.2.2 联合熵和条件熵 | 第45页 |
| 3.2.3 互信息 | 第45-48页 |
| 3.3 偏互信息及输入选择算法 | 第48-52页 |
| 3.3.1 偏互信息 | 第48-50页 |
| 3.3.2 分布密度估计 | 第50-51页 |
| 3.3.3 输入选择算法 | 第51-52页 |
| 3.4 算法测试 | 第52-59页 |
| 3.4.1 去冗余性测试 | 第52-54页 |
| 3.4.2 输入选择测试 | 第54-56页 |
| 3.4.3 实际应用测试 | 第56-59页 |
| 3.5 小结 | 第59-60页 |
| 第四章 面向峰值预测的LS-SVR算法及其在水质预测应用中的研究 | 第60-74页 |
| 4.1 引言 | 第60-61页 |
| 4.2 样本分布对LS-SVR算法的影响 | 第61-62页 |
| 4.3 峰值预测的LS-SVR算法 | 第62-65页 |
| 4.3.1 误差加权修正系数设计 | 第62-63页 |
| 4.3.2 峰值预测的LS-SVR模型 | 第63-65页 |
| 4.4 算法测试及水质预测应用 | 第65-72页 |
| 4.4.1 算法测试 | 第66-69页 |
| 4.4.2 水质预测应用 | 第69-72页 |
| 4.5 小结 | 第72-74页 |
| 第五章 基于核聚类的大样本LS-SVR算法及其在水质预测应用中的研究 | 第74-87页 |
| 5.1 引言 | 第74-75页 |
| 5.2 支持向量选择算法 | 第75-80页 |
| 5.2.1 聚类分析 | 第75-76页 |
| 5.2.2 基于无监督核聚类的支持向量选择算法 | 第76-80页 |
| 5.3 核Gram矩阵逼近及参数估计 | 第80-81页 |
| 5.4 算法测试及水质预测应用 | 第81-86页 |
| 5.4.1 函数拟合测试 | 第81-83页 |
| 5.4.2 水质预测应用 | 第83-86页 |
| 5.5 小结 | 第86-87页 |
| 第六章 分组特征多核LS-SVR算法及其在水质预测应用中的研究 | 第87-105页 |
| 6.1 引言 | 第87-89页 |
| 6.2 多核构造方法 | 第89-91页 |
| 6.3 GFMK-LSSVR算法 | 第91-99页 |
| 6.3.1 GFMK-LSSVR算法模型 | 第93-98页 |
| 6.3.2 SILP问题求解算法 | 第98-99页 |
| 6.4 算法测试及水质预测应用 | 第99-103页 |
| 6.4.1 函数拟合测试 | 第99-101页 |
| 6.4.2 水质预测应用 | 第101-103页 |
| 6.5 小结 | 第103-105页 |
| 总结 | 第105-108页 |
| 参考文献 | 第108-119页 |
| 攻读博士学位期间发表和已录用的论文 | 第119-121页 |
| 致谢 | 第121页 |
