| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-14页 |
| ·论文的研究背景和意义 | 第10-12页 |
| ·区域人力资本水平预测的研究背景及意义 | 第10-11页 |
| ·BP 神经网络、遗传算法、粒子群算法特点综述 | 第11-12页 |
| ·论文研究内容 | 第12-13页 |
| ·论文框架 | 第13-14页 |
| 第2章 BP 神经网络、GA、PSO 算法理论基础 | 第14-31页 |
| ·BP 神经网络的基本理论 | 第14-19页 |
| ·神经网络概述 | 第14-16页 |
| ·BP 算法基本思想 | 第16页 |
| ·BP 网络结构和数学描述 | 第16-18页 |
| ·BP 网络学习过程 | 第18-19页 |
| ·遗传算法 | 第19-24页 |
| ·遗传算法基本概念及特点 | 第19-20页 |
| ·遗传算法的构成要素 | 第20-23页 |
| ·遗传算法的实现步骤 | 第23-24页 |
| ·粒子群算法 | 第24-30页 |
| ·基本粒子群优化算法 | 第25-27页 |
| ·粒子群算法分析 | 第27-30页 |
| ·BP 神经网络和GA、PSO 结合 | 第30-31页 |
| 第3章 构建预测模型 | 第31-42页 |
| ·人力资本投资评价指标体系 | 第31-33页 |
| ·人力资本的概念及其投资形成 | 第31页 |
| ·区域人力资本投资评价指标体系的构建 | 第31-32页 |
| ·区域人力资本基准数据提取 | 第32-33页 |
| ·数据初始化处理 | 第33-34页 |
| ·预测模型的建立 | 第34-40页 |
| ·BP 模型用于人力资本水平预测的可行性 | 第35页 |
| ·基于GA-PSO 优化的BP 模型预测流程 | 第35-36页 |
| ·预测模型的关键技术 | 第36-40页 |
| ·模型的程序实现 | 第40-42页 |
| 第4章 预测模型的区域人力资本水平 | 第42-49页 |
| ·资料收集整理 | 第42-43页 |
| ·区域人力资本水平预测 | 第43-46页 |
| ·数据分析和预处理 | 第43-44页 |
| ·区域人力资本水平“横向”预测 | 第44-45页 |
| ·区域人力资本水平“纵向”预测 | 第45-46页 |
| ·模型性能 | 第46-49页 |
| ·“横向”预测仿真分析 | 第46-47页 |
| ·“纵向”预测仿真分析 | 第47-48页 |
| ·模型总体性能分析 | 第48-49页 |
| 结论 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 攻读学位期间取得学术成果 | 第54页 |