| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 非线性动力理论研究现状 | 第11页 |
| 1.2.2 混沌理论研究现状 | 第11-12页 |
| 1.2.3 混沌理论在博弈论及演化博弈论中应用综述 | 第12-14页 |
| 1.2.4 非线性连续系统中的超混沌混理论述 | 第14-15页 |
| 1.2.5 神经网络非线性系统中的混沌理论 | 第15-16页 |
| 1.2.6 本领域研究中存在的问题 | 第16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文创新点 | 第17-18页 |
| 第二章 中国房地产市场产业集群概述及相关研究理论综述 | 第18-27页 |
| 2.1 中国房地产市场概述 | 第18-19页 |
| 2.1.1 房地产的特点 | 第18-19页 |
| 2.1.2 中国房地产市场竞争特点 | 第19页 |
| 2.2 企业生态系统和产业集群 | 第19-22页 |
| 2.3 演化博弈理论 | 第22-23页 |
| 2.3.1 演化博弈与博弈论的概念 | 第22页 |
| 2.3.2 演化博弈特征 | 第22页 |
| 2.3.3 演化博弈理论前景 | 第22-23页 |
| 2.4 混沌理论 | 第23-26页 |
| 2.4.1 混沌理论相关概念解释 | 第23-24页 |
| 2.4.2 混沌运动的基本特征 | 第24-25页 |
| 2.4.3 经典的混沌模型 | 第25页 |
| 2.4.4 混沌控制 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于演化博弈的房地产产业集群行为主体的复杂性分析 | 第27-59页 |
| 3.1 模型构建 | 第28-32页 |
| 3.1.1 模型建立条件 | 第28-29页 |
| 3.1.2 房地产产业集群演化博弈动态方程构建 | 第29-30页 |
| 3.1.3 房地产产业集群演化博弈动态相图分析 | 第30-32页 |
| 3.2 模型复杂动力学分析 | 第32-34页 |
| 3.2.1 平衡点和稳定性分析 | 第32-34页 |
| 3.3 演化博弈模型的复杂动力学解析 | 第34-52页 |
| 3.3.1 系统的奇怪吸引子 | 第43-44页 |
| 3.3.2 系统的功率谱变化 | 第44-49页 |
| 3.3.3 混沌运动的蝴蝶效应 | 第49页 |
| 3.3.4 购房者群体初值的敏感性依赖分析 | 第49页 |
| 3.3.5 开发商群体初值的敏感性依赖分析 | 第49-52页 |
| 3.4 混沌控制 | 第52-53页 |
| 3.5 基于三维演化博弈模型的房地产产业集群混沌特性研究 | 第53-58页 |
| 3.5.1 分岔图和吸引子 | 第55-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第四章 基于房地产产业集群非线性系统的模型构建 | 第59-80页 |
| 4.1 动态系统的构建 | 第60页 |
| 4.2 系统的动态分析 | 第60-66页 |
| 4.2.1 动态系统的相似性分析 | 第60页 |
| 4.2.2 耗散性及吸引子 | 第60-64页 |
| 4.2.3 均衡点及其稳定性 | 第64页 |
| 4.2.4 李亚普诺夫指数和分数维 | 第64-65页 |
| 4.2.5 连续型动态系统中的混沌 | 第65页 |
| 4.2.6 连续型动态系统中的超混沌 | 第65-66页 |
| 4.3 分岔图分析 | 第66-69页 |
| 4.3.1 功率谱分析 | 第69页 |
| 4.3.2 时间历程相图 | 第69页 |
| 4.4 连续型动态系统的混沌控制 | 第69-79页 |
| 4.5 本章小结 | 第79-80页 |
| 第五章 房地产产业集群演化模型复杂性分析 | 第80-94页 |
| 5.1 连续型动态系统模型构建 | 第80-81页 |
| 5.2 稳定性分析 | 第81-82页 |
| 5.3 房地产产业集群动态系统复杂性分析 | 第82-87页 |
| 5.3.1 李亚普诺夫指数和李亚普诺夫维数 | 第82-83页 |
| 5.3.2 分岔图和吸引子 | 第83-84页 |
| 5.3.3 系统的初值敏感性分析 | 第84-87页 |
| 5.3.4 时间历程图 | 第87页 |
| 5.4 混沌控制 | 第87-90页 |
| 5.5 房地产产业集群连续动力系统分岔图 | 第90-92页 |
| 5.6 本章小结 | 第92-94页 |
| 第六章 基于L-M算法的BP神经网络在中国的房地产产业集群景气度指数的应用 | 第94-115页 |
| 6.1 基于传统BP神经网络和改进型L-M算法的房地产产业集群景气度分析 | 第95-102页 |
| 6.1.1 房地产产业集群景气度模糊综合评估 | 第95-97页 |
| 6.1.2 基于BP神经网络的景气度指标体系 | 第97-101页 |
| 6.1.3 基于改进型BP神经网络景气度指标体系的建立 | 第101-102页 |
| 6.2 BP神经网络和改进L—M算法景气度指标体系的比较分析 | 第102-106页 |
| 6.2.1 改进型L-M算法景气度指数分析 | 第102页 |
| 6.2.2 BP神经网络隐含神经元内在结构分析 | 第102-106页 |
| 6.3 本章小结 | 第106-115页 |
| 结论与展望 | 第115-117页 |
| 参考文献 | 第117-127页 |
| 发表论文和参加科研情况说明 | 第127-128页 |
| 致谢 | 第128页 |
