| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景及问题的提出 | 第13-14页 |
| 1.2 研究目的与意义 | 第14-15页 |
| 1.3 研究内容及方法 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究方法和框架 | 第15-17页 |
| 1.4 本文主要创新点 | 第17-19页 |
| 2 相关理论基础与文献综述 | 第19-30页 |
| 2.1 新产品研发的基础理论及现状 | 第19-21页 |
| 2.1.1 新产品概念设计研究现状 | 第19-20页 |
| 2.1.2 新产品概念选择研究现状 | 第20-21页 |
| 2.2 质量屋模型基本原理及研究现状 | 第21-24页 |
| 2.2.1 质量功能展开与质量屋发展现状 | 第21-23页 |
| 2.2.2 质量屋模型的基本原理 | 第23-24页 |
| 2.3 逼近理想解排序法研究现状 | 第24-26页 |
| 2.3.1 TOPSIS法的原理和含义 | 第24页 |
| 2.3.2 TOPSIS法的步骤 | 第24-25页 |
| 2.3.3 TOPSIS法的应用现状及存在问题 | 第25-26页 |
| 2.4 径向基神经网络研究现状 | 第26-28页 |
| 2.4.1 RBF神经网络及其基本原理 | 第26-27页 |
| 2.4.2 RBF神经网络的应用现状与特点 | 第27页 |
| 2.4.3 RBF神经网络的学习和参数改进 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 模糊质量屋模型构建及新产品概念方案初步筛选 | 第30-47页 |
| 3.1 质量屋模型顾客需求的抽取与权重确定 | 第30-38页 |
| 3.1.1 质量屋模型顾客需求分类及抽取方法选择 | 第30-31页 |
| 3.1.2 质量屋模型顾客需求的收集 | 第31-36页 |
| 3.1.3 基于层次分析法的顾客需求权重确定 | 第36-38页 |
| 3.2 建立模糊顾客需求－技术特性质量屋模型 | 第38-42页 |
| 3.2.1 智能手机产品质量屋模型的构建 | 第38-41页 |
| 3.2.2 基于三角模糊的质量屋模型关系矩阵的确定 | 第41-42页 |
| 3.3 基于模糊TOPSIS的产品研发方案的优劣排序及方案初选 | 第42-45页 |
| 3.3.1 构建选择评价语言集及三角模糊准则评价矩阵 | 第43页 |
| 3.3.2 基于三角模糊的TOPSIS排序模型及方案初选 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 基于改进RBF神经网络的销量预测模型构建及概念模型最终筛选 | 第47-60页 |
| 4.1 基于粒子群优化算法的径向基神经网络模型设计 | 第47-55页 |
| 4.1.1 基于粒子群优化的RBF神经网络销量预测的基本思想 | 第47-48页 |
| 4.1.2 基于手机产品的RBF神经网络结构设计 | 第48-51页 |
| 4.1.3 粒子群算法惯性权重因子的改进 | 第51-52页 |
| 4.1.4 基于粒子群算法的RBF神经网络优化 | 第52-55页 |
| 4.2 基于粒子群优化的RBF神经网络预测模型的Matlab实现 | 第55-58页 |
| 4.2.1 RBF神经网络Matlab工具箱应用 | 第55-56页 |
| 4.2.2 粒子群优化算法的Matlab实现 | 第56-58页 |
| 4.3 新产品概念方案决策与两阶段概念选型流程模型 | 第58-59页 |
| 4.3.1 新产品概念方案决策 | 第58页 |
| 4.3.2 改进质量屋和销量预测相结合的两阶段概念选型流程模型 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 实验验证与结果分析 | 第60-76页 |
| 5.1 实验准备 | 第60-64页 |
| 5.1.1 训练及测试样本的选择 | 第60-61页 |
| 5.1.2 顾客需求的选择及权重确认 | 第61-64页 |
| 5.2 S牌手机基于HOQ-TOPSIS的新产品概念方案初选 | 第64-69页 |
| 5.2.1 基于模糊质量屋模型的产品技术权重求解 | 第64-65页 |
| 5.2.2 基于TOPSIS法的智能手机新产品概念模型初筛 | 第65-69页 |
| 5.3 S牌手机研发方案基于PSO-RBF神经网络的销量预测 | 第69-73页 |
| 5.3.1 手机产品的数据预处理 | 第69-70页 |
| 5.3.2 基于改进PSO-RBF神经网络的智能手机产品销量预测 | 第70-73页 |
| 5.4 实验结果分析 | 第73-74页 |
| 5.4.1 PSO-RBF神经网络预测结果分析 | 第73页 |
| 5.4.2 基于HOQ-TOPSIS和PSO-RBF神经网络组合决策结果分析 | 第73-74页 |
| 5.5 本章小结 | 第74-76页 |
| 6 研究结论与展望 | 第76-79页 |
| 6.1 本文工作总结 | 第76-77页 |
| 6.2 研究不足与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 附录 | 第82-86页 |
| 攻读学位期间发表的学术论文 | 第86-87页 |
| 致谢 | 第87页 |
