| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·背景知识和研究意义 | 第10-11页 |
| ·股票价格时间序列及预测方法介绍 | 第11-12页 |
| ·本文的主要成果和内容 | 第12-13页 |
| 第二章 支持向量机 | 第13-21页 |
| ·特征空间和核方法 | 第14-16页 |
| ·VC理论和结构经验最小化归纳原则 | 第16页 |
| ·最优化理论 | 第16-18页 |
| ·最优分类超平面 | 第18-19页 |
| ·v-支持向量回归模型 | 第19-21页 |
| 第三章 启发式优化算法 | 第21-24页 |
| ·粒子群优化算法 | 第21-23页 |
| ·PSO算法流程 | 第21-22页 |
| ·算法解释 | 第22-23页 |
| ·混沌优化 | 第23页 |
| ·混沌算法流程 | 第23页 |
| ·算法解释 | 第23页 |
| ·混沌粒子群优化算法 | 第23-24页 |
| 第四章 小波分析理论 | 第24-32页 |
| ·时频分析与小波变换 | 第24-27页 |
| ·小波分析 | 第27-30页 |
| ·单小波核函数的构造 | 第30-31页 |
| ·多尺度小波核的构造 | 第31-32页 |
| 第五章 模型介绍及仿真实验 | 第32-42页 |
| ·模型介绍 | 第32-34页 |
| ·有关v-SVR模型应用的几个问题 | 第32-33页 |
| ·SVR算法的步骤与流程图 | 第33页 |
| ·以单小波函数作为核函数的支持向量回归(v-WSVR) | 第33-34页 |
| ·多尺度小波核的支持向量回归模型(v-MWSVR) | 第34页 |
| ·v-MWSVR模型的参数优化 | 第34-37页 |
| ·参数优化的有关问题 | 第34-35页 |
| ·参数优化的仿真实验 | 第35-37页 |
| ·模型仿真实验 | 第37-42页 |
| ·对数据D1的仿真实验 | 第38-40页 |
| ·对数据D2的仿真实验 | 第40-41页 |
| ·对数据D3的仿真实验 | 第41-42页 |
| ·本章小结 | 第42页 |
| 第六章 结论 | 第42-44页 |
| ·本文总结 | 第42-43页 |
| ·今后展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |