基于Bass和PSO的移动互联网扩散趋势预测
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-12页 |
| ·选题背景及研究意义 | 第6-7页 |
| ·选题背景 | 第6-7页 |
| ·研究意义 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·国外研究现状 | 第7-9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究的主要内容 | 第10页 |
| ·论文章节安排 | 第10-12页 |
| 第二章 移动互联网扩散趋势预测理论基础 | 第12-16页 |
| ·移动互联网扩散预测 | 第12-13页 |
| ·常用的预测模型 | 第13-16页 |
| ·自回归滑动平均 | 第13页 |
| ·人工神经网络 | 第13-14页 |
| ·支持向量机 | 第14-15页 |
| ·组合预测 | 第15-16页 |
| 第三章 基于Bass模型的移动互联网扩散趋势预测 | 第16-24页 |
| ·引言 | 第16页 |
| ·Bass模型 | 第16-18页 |
| ·模型原理 | 第16-17页 |
| ·模型参数估计 | 第17-18页 |
| ·粒子群优化算法 | 第18-20页 |
| ·算法原理 | 第18-19页 |
| ·非线性惯性权重 | 第19-20页 |
| ·算法实现过程 | 第20-21页 |
| ·仿真结果与分析 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第四章 基于改进的粒子群算法的移动互联网扩散预测 | 第24-33页 |
| ·引言 | 第24页 |
| ·改进的Bass模型 | 第24-25页 |
| ·改进的粒子群优化算法 | 第25-28页 |
| ·反向学习策略 | 第26页 |
| ·混合变异策略 | 第26-28页 |
| ·惯性权重动态调整策略 | 第28页 |
| ·算法实现过程 | 第28-29页 |
| ·仿真结果与分析 | 第29-32页 |
| ·算法性能检验 | 第29-30页 |
| ·移动互联网扩散仿真结果及分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 总结与展望 | 第33-35页 |
| ·论文总结 | 第33页 |
| ·论文展望 | 第33-35页 |
| 参考文献 | 第35-40页 |
| 攻读学位期间发表的学术论文 | 第40-41页 |
| 致谢 | 第41-42页 |
