| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 课题主要研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关理论概述 | 第17-29页 |
| 2.1 人工神经网络 | 第17-23页 |
| 2.1.1 人工神经网络模型 | 第17页 |
| 2.1.2 神经网络BP算法 | 第17-23页 |
| 2.2 遗传算法 | 第23-25页 |
| 2.2.1 遗传算法基本原理 | 第23-25页 |
| 2.2.2 遗传算法优点 | 第25页 |
| 2.3 N评价法 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 BP神经网络的学生综合素质评价研究 | 第29-41页 |
| 3.1 学生综合素质评价指标体系 | 第29-32页 |
| 3.1.1 目前学生综合素质评价存在的问题 | 第29-30页 |
| 3.1.2 学生综合素质评价指标体系建立 | 第30-32页 |
| 3.1.3 档案记录分数设定原则 | 第32页 |
| 3.2 BP神经网络评价模型的建立 | 第32-36页 |
| 3.2.1 输入特征向量的确定 | 第33页 |
| 3.2.2 输出特征向量的确定 | 第33页 |
| 3.2.3 网络隐含层选择 | 第33-34页 |
| 3.2.4 隐含层节点数的选择方法 | 第34-35页 |
| 3.2.5 网络训练参数 | 第35-36页 |
| 3.3 仿真实验及结果分析 | 第36-40页 |
| 3.3.1 样本数据 | 第36-37页 |
| 3.3.2 样本数据的预处理 | 第37页 |
| 3.3.3 实验及结果分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 遗传算法优化BP神经网络的学生综合素质评价研究 | 第41-51页 |
| 4.1 遗传算法优化BP神经网络的基本思想 | 第41页 |
| 4.2 GA-BP神经网络模型的建立 | 第41-44页 |
| 4.2.1 BP网络的设计 | 第41页 |
| 4.2.2 编码方式的选择 | 第41-42页 |
| 4.2.3 初始种群的产生 | 第42页 |
| 4.2.4 适应度函数的设计 | 第42-43页 |
| 4.2.5 遗传操作 | 第43-44页 |
| 4.2.6 停止条件 | 第44页 |
| 4.3 GA-BP网络算法流程 | 第44-45页 |
| 4.4 仿真实验及测试 | 第45-49页 |
| 4.4.1 仿真实验及结果分析 | 第45-47页 |
| 4.4.2 测试实例分析 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 学生综合素质评价系统设计与实现 | 第51-67页 |
| 5.1 学生综合素质评价系统 | 第51-55页 |
| 5.1.1 系统设计目标 | 第51-52页 |
| 5.1.2 系统拓扑结构 | 第52页 |
| 5.1.3 技术框架设计 | 第52-53页 |
| 5.1.4 系统功能结构设计 | 第53-54页 |
| 5.1.5 系统运行环境 | 第54-55页 |
| 5.2 系统数据库设计 | 第55-61页 |
| 5.2.1 数据库表设计 | 第55-60页 |
| 5.2.2 数据表逻辑关系 | 第60-61页 |
| 5.3 系统运行分析 | 第61-66页 |
| 5.3.1 成长档案记录管理模块 | 第62-64页 |
| 5.3.2 学习成绩管理模块 | 第64-66页 |
| 5.3.3 学生评价管理模块 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |