基于LSSVR改进的RBF神经网络的算法研究及其应用

摘要	第1-4页
Abstract	第4-8页
第一章 绪论	第8-12页
·人工神经网络概述	第8页
·径向基函数神经网络	第8-9页
·支持向量机	第9-10页
·本文的主要研究内容	第10-12页
第二章 径向基函数神经网络的理论概述	第12-21页
·径向基函数的插值问题	第12-13页
·径向基函数的选择	第13-16页
·径向基函数神经网络的拓扑结构	第16-17页
·径向基函数神经网络的算法分析	第17-20页
·梯度下降法的RBF网络训练算法	第17-18页
·最小二乘的RBF网络训练算法	第18-20页
·本章小结	第20-21页
第三章 支持向量机的理论概述	第21-28页
·统计学习理论	第21-23页
·经验风险最小化准则	第21-22页
·VC维	第22页
·结构风险最小化原理	第22-23页
·支持向量机	第23-27页
·支持向量机的结构	第23页
·支持向量机分类	第23-26页
·支持向量机回归	第26-27页
·本章小结	第27-28页
第四章 基于LSSVR改进的RBF神经网络模型	第28-34页
·最小二乘支持向量机	第28-30页
·基于最小二乘支持向量机的分类问题	第28-29页
·分类问题和回归问题的统一	第29-30页
·基于LSSVR的RBF神经网络建模方法	第30-33页
·基于LSSVR确定RBF网络的中心	第30-32页
·采用梯度下降法调整网络参数	第32-33页
·本章小结	第33-34页
第五章 基于改进RBF神经网络的股票价格预测	第34-40页
·股票价格预测的方法简介	第34-35页
·基于LSSVR-RBF神经网络的预测结果分析	第35-39页
·预测模型的实现	第35页
·股票数据的来源与预处理	第35页
·预测结果分析与对比模型建立	第35-39页
·本章小结	第39-40页
第六章 总结与展望	第40-41页
参考文献	第41-44页
攻读硕士学位期间取得的科研成果	第44-45页
致谢	第45页