| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-12页 |
| ·数据挖掘的意义与发展 | 第9页 |
| ·国内外数据挖掘的现状 | 第9-10页 |
| ·论文的工作和意义 | 第10-11页 |
| ·论文的结构 | 第11-12页 |
| 第二章 遗传算法改进神经网络的研究发展 | 第12-17页 |
| ·神经网络连接权值的进化 | 第12-13页 |
| ·神经网络结构的进化 | 第13-16页 |
| ·编码方案 | 第13-14页 |
| ·进化方法 | 第14-15页 |
| ·学习规则的进化 | 第15-16页 |
| ·WPGA-MBP 算法 | 第16-17页 |
| 第三章 WPGA-MBP 算法中并行遗传算法模型 | 第17-31页 |
| ·WPGA-MBP 算法中并行遗传算法的设计 | 第17-21页 |
| ·WPGA-MBP 算法并行遗传算法的基本思想 | 第17页 |
| ·WPGA-MBP 算法并行遗传算法模型 | 第17-19页 |
| ·WPGA-MBP 算法中并行遗传算法步骤 | 第19页 |
| ·WPGA-MBP 算法中并行模型中的信息交互 | 第19-21页 |
| ·WEB 服务用于WPGA-MBP 算法 | 第21-31页 |
| ·Web 服务概述 | 第21-24页 |
| ·WPGA-MBP 算法Web 服务描述与实现 | 第24-29页 |
| ·WPGA-MBP 算法并行性的逻辑描述 | 第29-31页 |
| 第四章 WPGA-MBP 算法中遗传算法优化神经网络结构的模型 | 第31-37页 |
| ·WPGA-MBP 算法编码方案 | 第31-32页 |
| ·WPGA-MBP 算法的遗传操作设计 | 第32-34页 |
| ·选择算子 | 第32页 |
| ·交叉算子 | 第32-33页 |
| ·隐层节点增加算子 | 第33页 |
| ·节点连接变异算子 | 第33-34页 |
| ·WPGA-MBP 算法的适应度函数 | 第34-35页 |
| ·WPGA-MBP 算法的遗传参数选择 | 第35-37页 |
| 第五章 WPGA-MBP 算法性能测试 | 第37-39页 |
| ·并行性测试 | 第37页 |
| ·N-PARITY 测试 | 第37-39页 |
| 第六章 WPGA-MBP 算法在预测中的应用与实现 | 第39-52页 |
| ·预测实现原理 | 第39-42页 |
| ·非线性函数的拟合与预测 | 第42-48页 |
| ·WPGA-MBP 算法和一般遗传神经网络的拟合和预测对比 | 第42-47页 |
| ·WPGA-MBP 算法对于其他函数的预测情况 | 第47-48页 |
| ·WPGA-MBP 算法用于证券交易系统 | 第48-52页 |
| 第七章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间已发表或录用的论文 | 第59-62页 |
