文摘
英文文摘
第一章绪论
§1.1论文的研究背景
§1.2论文的主要工作及创新点
第二章长记忆时间序列综述
§2.1时间序列的记忆性
§2.2长记忆时间序列建模
§2.3长记忆存在性检验
§2.4时间序列分维数的估计
§2 5本章小结
第三章向量时间序列的线性协整关系
§3.1线性协整关系的概念
§3.2线性协整系统的误差校正模型
§3.3单整时间序列之间线性协整关系的估计与检验
§3.4分数维协整关系的估计与检验
§3.5本章小结
第四章长记忆非线性协整关系的基础研究
§4.1长记忆非线性协整关系的定义
§4.2分形结构的实际意义
§4.3非线性协整系统分形结构的内涵
§4.4本章小结
第五章长记忆非线性协整系统的误差校正模型
§5.1非线性误差校正模型的意义
§5.2非线性协整系统误差校正模型的存在性
§5 3双变量非线性协整系统的误差校正模型
§5.4变量可分离的非线性协整系统的误差校正模型
§5.5本章小结
第六章基于分形理论的长记忆非线性协整建模研究
§6.1预备知识
§6.2分形和迭代函数系
§6.3分形数值方法
§6.4基于分形插值算法的协整吸引子存在性检验
§6.5本章小结
第七章基于神经网络的非线性协整关系的估计方法
§7.1非线性协整关系估计的非参数方法
§7.2非线性协整关系的参数估计方法
§7.3本章小结
第八章基于聚类分析的变结构建模分析
§8.1问题的题出
§8.2系统模型的聚类准则
§8.3具有学习能力的模型聚类方法
§8.4模型聚类分析的神经网络结构
§8.5动态模型聚类方法的收敛性研究
§8.6利用遗传算法改进模型聚类方案的算法
§8.7变结构建模的实证研究
§8.8本章小结
第九章长记忆向量时间序列协整系统的变结构分析
§9.1问题的题出
§9.2变结构的基本概念
§9.3变结构分析的非参数方法
§9.4变结构分析的神经网络实现
§9.5向量时间序列变结构分析的算法
§9.6用于变结构检测的神经网络的稳定性
§9.7基于神经网络变结构分析的实证研究
§9.8本章小结
第十章具有智能行为的复杂系统的变结构研究
§10.1具有智能行为的复杂系统变结构的概念
§10.2具有智能行为的复杂系统变结构分析方法
§10.3变结构点的检验方法
§10.4基于RGP的变结构分析的实证研究
§10.5基于RGP的变结构分析的特点
§10.6基于RGP的变结构分析的收敛性
§10.7本童小结
第十一章实证研究
§11.1向量时间序列样本数据的选取
§11.2变结构分析
§11.3协整存在性检验与建模分析
§11.4本章小结
博士期间的论文及科研情况
致谢
参考文献
