复杂数据多属性指标的估计模型
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的结构及内容 | 第13页 |
| ·技术路线 | 第13-14页 |
| 第2章 本文应用的基本理论和思想介绍 | 第14-22页 |
| ·元胞自动机原理 | 第14-16页 |
| ·元胞自动机的演化规则 | 第15-16页 |
| ·遗传算法原理 | 第16-19页 |
| ·遗传算法的优点 | 第16页 |
| ·遗传算法的基本实现流程 | 第16-19页 |
| ·无向网络的基本原理 | 第19-21页 |
| ·网络的基本概念 | 第19-20页 |
| ·网络的聚类系数和吸引率 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于分层抽样对复杂多属性数据的优化 | 第22-35页 |
| ·构建针对复杂数据的复杂网络 | 第22-24页 |
| ·复杂网络的分层抽样的设计 | 第24-31页 |
| ·样本的分层,样本量的选取 | 第24-25页 |
| ·确定各层样本数量、样本个体 | 第25页 |
| ·复杂网络的分层抽样设计 | 第25-26页 |
| ·基于分层抽样的沪市A股网络的构造和分析 | 第26-31页 |
| ·沪市A股股票聚类 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 构建基于元胞自动机的估计模型 | 第35-42页 |
| ·基于遗传算法的权重的确定 | 第35-37页 |
| ·基于改进元胞自动机的估计模型 | 第37-40页 |
| ·应用实例—模拟股票收盘价 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 构建基于遗传算法的多属性估计模型 | 第42-49页 |
| ·改进的复杂数据多属性的估计模型 | 第42-44页 |
| ·构造适应度函数 | 第42-43页 |
| ·改进选择策略 | 第43-44页 |
| ·基于遗传算法的评估模型的步骤流程图 | 第44页 |
| ·应用实例—高新企业科技工作者的社会地位 | 第44-48页 |
| ·数据预处理及遗传算法编码 | 第45-46页 |
| ·基于改进遗传算法的估计模型 | 第46页 |
| ·估计模型的结论 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结和展望 | 第49-51页 |
| ·本文研究的主要内容及创新 | 第49页 |
| ·本文的展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第55页 |
