灰色支持向量机在小样本预测中的应用研究 |
论文目录 | | 摘要 | 第1-5页 | Abstract | 第5-11页 | 第一章 绪论 | 第11-14页 | · 引言 | 第11页 | · 支持向量机的研究现状 | 第11-12页 | · 灰色理论的研究现状 | 第12-13页 | · 本文的主要工作 | 第13页 | · 本章小结 | 第13-14页 | 第二章 支持向量回归机的基本理论 | 第14-24页 | · 统计学习理论 | 第14-15页 | · 支持向量回归机原理 | 第15-20页 | · 最优分类面 | 第15-18页 | · 高维空间中的最优分类面 | 第18-19页 | · 核函数 | 第19-20页 | · 支持向量回归机的几种算法 | 第20-23页 | · ε-支持向量机方法 | 第20-21页 | · 最小二乘支持向量机方法 | 第21-23页 | · 本章小结 | 第23-24页 | 第三章 灰色系统理论 | 第24-31页 | · 灰色系统的产生 | 第24-25页 | · 灰色关联分析 | 第25-26页 | · 灰色关联分析 | 第25页 | · 灰色关联度 | 第25-26页 | · 灰色GM(1,1)模型 | 第26-30页 | · GM(1,1)模型 | 第26-27页 | · 改进GM(1,1)模型的研究现状 | 第27-30页 | · 本章小结 | 第30-31页 | 第四章 灰关联分析支持向量机模型(GASVM) | 第31-38页 | · 灰色关联分析支持向量机模型 | 第31-34页 | · GASVM模型的应用 | 第34-37页 | · 本章小结 | 第37-38页 | 第五章 灰预测支持向量机模型(GMSVM) | 第38-53页 | · GM(1,1)模型的分析与改进 | 第38-50页 | · 提高数据序列的光滑度模型(SGM模型) | 第38-43页 | · 预测公式中初值的选取(IGM模型) | 第43-45页 | · 模型中背景值的影响(BGM模型) | 第45-50页 | · GMSVN模型的建立与应用 | 第50-52页 | · 灰色支持向量机预测模型的建立 | 第50页 | · 仿真实验 | 第50-52页 | · 本章小结 | 第52-53页 | 第六章 工作总结与展望 | 第53-55页 | · 工作总结 | 第53-54页 | · 工作展望 | 第54-55页 | 参考文献 | 第55-58页 | 致谢 | 第58-59页 | 附录 攻读硕士期间发表的论文 | 第59页 |
|
|
|