第四章，PCA-SVR系统的实现。本章基于第三章的系统设计，对整个系统的实现技术和部分实现细节做了说明，主要有算法实现，接口实现，实验环境说明和实验结果的对比和分析。

第五章，总结与展望。本章总结了前面章节所做的研究工作以及对于本文研究的不足提出了几点改进想法。

2 相关概念与技术

2。1 主成分分析

主成分分析，Principal Component Analysis，简称PCA，它的主要作用是对数据进行降维处理，找出数据的主成分。而且在经过降维之后，数据去除了噪音，PCA处理能让数据的模式突显出来。

PCA的思想是把原先的n个特征用数目更少的m个特征取代[9]，新特征是旧特征的线性组合，使得这些线性组合最大化样本方差，尽量使新的m个特征互不相关，而且新的m个特征能最大化的保留原来旧特征的信息。