支持向量机预测在我国城镇失业率研究中的实证分析
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-21页 |
| ·研究背景及意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外相关领域的研究现状及存在的问题 | 第14-20页 |
| ·失业率及相关研究现状 | 第14-15页 |
| ·预测方法研究现状 | 第15页 |
| ·支持向量机研究现状 | 第15-19页 |
| ·存在的问题 | 第19-20页 |
| ·本文的研究内容和组织结构 | 第20页 |
| ·论文的主要工作 | 第20-21页 |
| 第2章 预测相关理论 | 第21-28页 |
| ·预测 | 第21页 |
| ·定性预测 | 第21-22页 |
| ·定量预测 | 第22-27页 |
| ·时间序列预测 | 第22-23页 |
| ·回归预测 | 第23-24页 |
| ·灰色预测 | 第24-25页 |
| ·神经网络预测 | 第25-26页 |
| ·组合预测 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 支持向量机 | 第28-40页 |
| ·机器学习 | 第28-31页 |
| ·机器学习的表示 | 第29-30页 |
| ·经验风险最小化 | 第30页 |
| ·机器学习的泛化能力 | 第30-31页 |
| ·统计学习理论 | 第31-33页 |
| ·VC维 | 第31页 |
| ·推广性的界 | 第31-32页 |
| ·结构风险最小化原理 | 第32-33页 |
| ·支持向量机 | 第33-36页 |
| ·支持向量分类机 | 第33-36页 |
| ·支持向量回归机 | 第36页 |
| ·核函数 | 第36-38页 |
| ·支持向量机预测 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 我国城镇失业率的预测 | 第40-53页 |
| ·引言 | 第40页 |
| ·数据的选取及处理 | 第40-41页 |
| ·数据的收集 | 第40页 |
| ·影响因素的确定 | 第40页 |
| ·数据处理 | 第40-41页 |
| ·基于多元回归分析的失业率预测 | 第41-46页 |
| ·失业模型的基本描述 | 第41页 |
| ·相关性显著性检验模型的建立 | 第41-43页 |
| ·异常值与残差分析 | 第43页 |
| ·模型的参数估计与共线性检验结果 | 第43-44页 |
| ·基于多元回归分析的失业率拟合效果分析 | 第44-46页 |
| ·基于RBF神经网络失业率预测 | 第46-47页 |
| ·基于支持向量机的失业率预测 | 第47-50页 |
| ·数据处理与支持向量机相关函数调用 | 第47-48页 |
| ·相关参数选择 | 第48-50页 |
| ·核函数选择 | 第50页 |
| ·预测结果及其分析 | 第50页 |
| ·多种拟合结果比较分析 | 第50-51页 |
| ·我国城镇失业率预测结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·本文总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第62-63页 |
| 附录1 我国城镇失业率影响因素及其相关数据 | 第63-65页 |
| 附录2 相关系数矩阵 | 第65-66页 |
| 附录3 残差分析与异常值检验 | 第66页 |
