声明
第1章 绪论
1.1 研究背景与意义
1.1.1研究背景
1.1.2研究意义
1.2 文献综述
1.2.1小波去噪算法
1.2.2机器学习算法
1.2.3集成学习算法
1.2.4总体评价
1.3 研究内容和框架
1.3.1研究对象的界定
1.3.2研究内容
1.4 研究思路与技术路线
1.4.1研究思路
1.4.2技术路线
1.5 研究创新点
第2章 相关算法原理
2.1 离散小波去噪原理
2.2 机器学习算法原理
2.2.1机器学习算法原理及其优劣势分析
2.2.2 k折交叉验证
2.2.3贝叶斯优化
2.2.4评价指标
2.3 集成学习算法原理
2.3.1 Stacking算法原理
2.3.2误差-分歧分解
2.4 本章小结
第3章 基于小波变换与集成学习的组合预测模型
3.1 数据预处理
3.1.1数据来源
3.1.2变量选取
3.1.3离散小波去噪
3.1.4构造滑动时间窗口特征
3.1.5数据标准化
3.2 构建组合预测模型
3.2.1小波去噪的参数设置
3.2.2滑动时间窗口值的确定
3.2.3组合预测模型的拟合和预测
3.2.4指标重要性排序
3.3 集成学习
3.3.1初级学习器的筛选
3.3.2利用贝叶斯优化进行参数调优
3.3.3集成学习模型的构建
3.3.4集成学习的效果评价
3.4 本章小结
第四章 总结与展望
4.1 总结
4.2 展望
参考文献
攻读学位期间取得的学术成果
致谢
山东财经大学;