声明
摘要
第一章 绪论
1.1 研究背景
1.1.1 机器学习
1.1.2 回归问题
1.2 核学习
1.2.1 非线性映射
1.2.2 岭回归和对偶岭回归
1.2.3 特征空间中的线性回归
1.2.4 多输出回归
1.3 论文组织与结构
第二章 核函数研究
2.1 核函数
2.1.1 核的引入
2.1.2 核的实质
2.1.3 常用核函数
2.2 核方法理论
2.2.1 核方法思想原理
2.2.2 核方法实施过程
2.3 可调核函数
2.4 本章小结
第三章 经典多输出回归模型
3.1 多输出支持向量机回归
3.1.1 支持向量机算法原理
3.1.2 多输出支持向量机回归
3.2 多输出相关向量机
3.2.1 相关向量机
3.2.2 多输出相关向量机
3.3 多输出最小二乘支持向量机
3.3.1 最小二乘支持向量机
3.3.2 多输出最小二乘支持向量机
3.4 本章小结
第四章 基于正交最小二乘的可调核函数多输出回归模型
4.1 正交最小二乘法
4.2 群搜索优化算法
4.3 基于正交最小二乘的可调核函数多输出回归模型
4.3.1 多输出正交最小二乘
4.3.2 多输出群搜索优化
4.4 实验
4.4.1 复变函数回归
4.4.2 洛伦兹方程回归
4.4.3 地震记录数据集回归
4.5 本章小结
第五章 总结
参考文献
致谢