| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 机器学习 | 第9-10页 |
| 1.1.2 回归问题 | 第10-11页 |
| 1.2 核学习 | 第11-16页 |
| 1.2.1 非线性映射 | 第11-12页 |
| 1.2.2 岭回归和对偶岭回归 | 第12-14页 |
| 1.2.3 特征空间中的线性回归 | 第14-15页 |
| 1.2.4 多输出回归 | 第15-16页 |
| 1.3 论文组织与结构 | 第16-17页 |
| 第二章 核函数研究 | 第17-23页 |
| 2.1 核函数 | 第17-20页 |
| 2.1.1 核的引入 | 第17-18页 |
| 2.1.2 核的实质 | 第18-19页 |
| 2.1.3 常用核函数 | 第19-20页 |
| 2.2 核方法理论 | 第20-21页 |
| 2.2.1 核方法思想原理 | 第20页 |
| 2.2.2 核方法实施过程 | 第20-21页 |
| 2.3 可调核函数 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 经典多输出回归模型 | 第23-42页 |
| 3.1 多输出支持向量机回归 | 第23-29页 |
| 3.1.1 支持向量机算法原理 | 第23-26页 |
| 3.1.2 多输出支持向量机回归 | 第26-29页 |
| 3.2 多输出相关向量机 | 第29-35页 |
| 3.2.1 相关向量机 | 第29-32页 |
| 3.2.2 多输出相关向量机 | 第32-35页 |
| 3.3 多输出最小二乘支持向量机 | 第35-41页 |
| 3.3.1 最小二乘支持向量机 | 第35-38页 |
| 3.3.2 多输出最小二乘支持向量机 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于正交最小二乘的可调核函数多输出回归模型 | 第42-59页 |
| 4.1 正交最小二乘法 | 第43-44页 |
| 4.2 群搜索优化算法 | 第44-48页 |
| 4.3 基于正交最小二乘的可调核函数多输出回归模型 | 第48-51页 |
| 4.3.1 多输出正交最小二乘 | 第48-49页 |
| 4.3.2 多输出群搜索优化 | 第49-51页 |
| 4.4 实验 | 第51-58页 |
| 4.4.1 复变函数回归 | 第52-55页 |
| 4.4.2 洛伦兹方程回归 | 第55-56页 |
| 4.4.3 地震记录数据集回归 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |