| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 选题背景 | 第10-12页 |
| 1.2 数据来源 | 第12-14页 |
| 1.3 房地产行业目前现状 | 第14-16页 |
| 1.4 本文的主要工作 | 第16-17页 |
| 1.5 本文的主要框架 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 理论部分介绍 | 第19-28页 |
| 2.1 多元线性回归算法 | 第19-20页 |
| 2.2 主成分分析算法 | 第20-21页 |
| 2.3 SPSS 统计学软件 | 第21-23页 |
| 2.4 神经网络算法 | 第23-26页 |
| 2.4.1 人工神经网络 | 第23-24页 |
| 2.4.2 RBF 神经网络算法 | 第24-26页 |
| 2.4.3 MATLAB 编程软件 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于主成分分析的 RBF 神经网络预测模型 | 第28-31页 |
| 3.1 RBF 神经网络的缺点 | 第28页 |
| 3.2 主成分分析和神经网络结合的思想 | 第28页 |
| 3.3 提出预测模型 | 第28-29页 |
| 3.4 模型适用条件 | 第29页 |
| 3.5 研究意义 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 本文模型在房地产价格预测中的应用 | 第31-49页 |
| 4.1 房地产数据 | 第31-34页 |
| 4.2 多元线性回归预测房地产价格 | 第34-37页 |
| 4.3 RBF 神经网络预测房地产价格 | 第37-38页 |
| 4.4 本文模型预测房地产价格 | 第38-44页 |
| 4.4.1 将数据进行主成分分析 | 第38-44页 |
| 4.4.2 将主成分分析后的结果进行 RBF 神经网络预测 | 第44页 |
| 4.5 几种预测算法结果对比与分析 | 第44-46页 |
| 4.6 房地产行业存在的问题 | 第46-47页 |
| 4.7 本章小结 | 第47-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |