声明
摘要
第一章 绪论
1.1 论文的研究背景及发展状况
1.1.1 研究背景
1.1.2 发展状现
1.2 本文的主要工作
1.3 论文的组织结构
第二章 支持向量机的基本理论
2.1 小样本统计学习理论基础
2.1.1 经验风险最小化原则和一致性
2.1.2 VC维
2.1.3 结构风险最小化原则
2.2 支持向量机
2.2.1 核函数
2.2.2 Wolfe对偶
第三章 支持向量回归算法
3.1 二次规划下的支持向量回归算法
3.1.1 ε-不敏感损失函数
3.1.2 二次规划下的支持向量回归模型
3.1.3 算法实现
3.2 线性规划下的支持向量回归算法
3.2.1 线性规划下的支持向量回归模型
3.2.2 算法实现
第四章 确定经验风险水平的线性规划支持向量回归算法
4.1 确定单个参数经验风险水平的线性规划支持向量回归算法
4.1.1 引言
4.1.2 回归模型介绍
4.1.3 算法实现
4.2 确定多个参数经验风险水平线性规划支持向量回归算法
4.2.1 引言
4.2.2 回归模型
4.2.3 算法实现
4.3 实验与分析
4.3.1 实验1
4.3.2 实验2
4.3.3 实验3
第五章 总结
参考文献
附录A 实验1图4.1与4.2模型式(4.5)算法程序
附录B 实验2图4.3模型式(4.5)算法程序
附录C 实验2图4.4模型式(4.14)算法程序
附录D 实验3图4.7模型式(4.5)算法程序
攻读硕士学位期间发表学术论文情况
致谢