| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景 | 第12-13页 |
| ·研究目的和意义 | 第13-14页 |
| ·研究内容、思路和方法 | 第14-15页 |
| ·文献述评 | 第15-19页 |
| ·反倾销研究现状 | 第15-17页 |
| ·产业损害的研究成果 | 第17-18页 |
| ·粗糙集和神经网络在预警中的应用研究 | 第18-19页 |
| 第2章 国内外化工行业反倾销现状分析 | 第19-27页 |
| ·我国化工行业现状概述 | 第19-23页 |
| ·我国化工行业的贸易特点 | 第19-21页 |
| ·我国化工行业的发展趋势 | 第21-23页 |
| ·国外对华化工行业反倾销概况 | 第23页 |
| ·我国化工行业对外反倾销实践 | 第23-26页 |
| ·我国化工行业进口反倾销特点 | 第23-24页 |
| ·化工行业发起反倾销的必要性 | 第24页 |
| ·化工行业对外反倾销存在的不足 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 利用粗集理论进行属性约简 | 第27-33页 |
| ·粗糙集基本理论 | 第27-29页 |
| ·决策表 | 第29-30页 |
| ·属性约简 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 BP神经网络算法改进 | 第33-41页 |
| ·神经网络简介 | 第33-35页 |
| ·人工神经网络 | 第33页 |
| ·人工神经元模型 | 第33-35页 |
| ·BP神经网络 | 第35-38页 |
| ·BP神经网络的基本原理 | 第35-36页 |
| ·BP神经网络的正向传播 | 第36-37页 |
| ·BP神经网络的误差逆向传播 | 第37页 |
| ·标准BP算法存在的缺陷 | 第37-38页 |
| ·BP算法改进 | 第38-39页 |
| ·动量因子学习规则 | 第38页 |
| ·自适应调整学习率算法 | 第38-39页 |
| ·BP神经网络的训练过程 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 化工行业倾销损害的粗集神经网络预警模型建立与实证 | 第41-61页 |
| ·粗糙集和神经网络结合的理论基础 | 第41-42页 |
| ·模型构建 | 第42-43页 |
| ·预警指标体系构建 | 第43-47页 |
| ·指标体系的特性描述 | 第43-44页 |
| ·指标选取原则 | 第44-45页 |
| ·构建指标体系 | 第45-47页 |
| ·样本选取 | 第47-49页 |
| ·选取样本的原则 | 第47-48页 |
| ·选取的样本 | 第48-49页 |
| ·粗集神经网络模型实证分析 | 第49-57页 |
| ·模型预处理 | 第49-51页 |
| ·模型的设计 | 第51-53页 |
| ·网络训练与仿真 | 第53-57页 |
| ·网络测试 | 第57页 |
| ·传统BP网络模型预警实证分析 | 第57-60页 |
| ·粗集神经网络模型与传统BP网络模型预警效果比较分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录1 | 第67-71页 |
| 附录2 | 第71-73页 |
| 附录3 | 第73-75页 |
| 附录4 | 第75-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77页 |