摘要
第一章 绪论
1.1 研究背景及意义
1.2 LS-SVM研究现状及分析
1.2.1 LS-SVM算法研究现状
1.2.2 LS-SVM应用研究现状
1.2.3 LS-SVM研究现状分析
1.3 基于LS-SVR的水质预测研究
1.4 本文主要研究内容与章节安排
1.4.1 主要研究内容
1.4.2 论文章节安排
第二章 LS-SVR相关理论
2.1 统计学习理论
2.1.1 经验风险最小化原则
2.1.2 统计学习的基本定理
2.1.3 VC维理论及结构风险最小化原则
2.2 支持向量机
2.2.1 非线性优化理论
2.2.2 支持向量机回归分析
2.2.3 核函数方法
2.3 LS-SVR算法
2.4 小结
第三章 基于偏互信息的回归预测模型输入选择算法研究
3.1 引言
3.2 熵和互信息理论
3.2.1 熵信息理论
3.2.2 联合熵和条件熵
3.2.3 互信息
3.3 偏互信息及输入选择算法
3.3.1 偏互信息
3.3.2 分布密度估计
3.3.3 输入选择算法
3.4 算法测试
3.4.1 去冗余性测试
3.4.2 输入选择测试
3.4.3 实际应用测试
3.5 小结
第四章 面向峰值预测的LS-SVR算法及其在水质预测中的应用研究
4.1 引言
4.2 样本分布对LS-SVR算法的影响
4.3 峰值预测的LS-SVR算法
4.3.1 误差加权修正系数设计
4.3.2 峰值预测的LS-SVR模型
4.4 算法测试及水质预测应用
4.4.1 算法测试
4.4.2 水质预测应用
4.5 小结
第五章 基于核聚类的大样本LS-SVR算法及其在水质预测应用中的研究
5.1 引言
5.2 支持向量选择算法
5.2.1 聚类分析
5.2.2 基于无监督核聚类的支持向量选择算法
5.3 核Gram矩阵逼近及参数估计
5.4 算法测试及水质预测应用
5.4.1 函数拟合测试
5.4.2 水质预测应用
5.5 小结
第六章 分组特征多核LS-SVR算法及其在水质预测应用中的研究
6.1 引言
6.2 多核构造方法
6.3 GFMK-LSSVR算法
6.3.1 GFMK-LSSVR算法模型
6.3.2 SILP问题求解算法
6.4 算法测试及水质预测应用
6.4.1 函数拟合测试
6.4.2 水质预测应用
6.5 小结
总结
参考文献
攻读博士学位期间发表和已录用的论文
声明
致谢