粗糙集和神经网络相融合的物探作业风险评估模型的研究
| 摘要 | 第1-4页 |
| abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·国内外风险管理研究现状 | 第8-10页 |
| ·国外风险管理研究现状 | 第8-9页 |
| ·国内风险管理研究现状 | 第9-10页 |
| ·本论文的主要研究内容 | 第10-12页 |
| ·主要研究内容 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第2章 相关理论基础 | 第12-26页 |
| ·风险评估理论 | 第12-15页 |
| ·风险评估流程 | 第12-13页 |
| ·常用的风险评估方法 | 第13-15页 |
| ·粗糙集理论 | 第15-18页 |
| ·粗糙集理论的基本概念 | 第15-17页 |
| ·属性的约简 | 第17-18页 |
| ·蚁群优化算法 | 第18-20页 |
| ·蚁群优化算法的原理 | 第18页 |
| ·蚁群优化算法的数学描述 | 第18-20页 |
| ·蚁群优化算法的流程 | 第20页 |
| ·神经网络理论 | 第20-25页 |
| ·人工神经元模型 | 第21-22页 |
| ·常用的激活函数 | 第22-23页 |
| ·人工神经网络的结构 | 第23页 |
| ·BP神经网络模型 | 第23-24页 |
| ·BP神经网络对物探作业风险评估的可行性 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于蚁群优化算法的属性约简算法 | 第26-33页 |
| ·知识的信息表示 | 第26-27页 |
| ·属性重要度的不完备性 | 第27-30页 |
| ·完备的启发式信息 | 第30-31页 |
| ·约简算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 物探施工作业风险评估模型的构建 | 第33-45页 |
| ·风险评估的影响因素 | 第33-35页 |
| ·风险评估模型的构建 | 第35-41页 |
| ·粗糙集和神经网络相融合的可行性 | 第36页 |
| ·粗糙集理论在风险评估模型中的应用 | 第36页 |
| ·物探施工作业风险评估模型 | 第36-37页 |
| ·风险评估模型中BP神经网络的设计 | 第37-41页 |
| ·风险评估模型的验证 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 物探施工作业风险评估模型的程序设计 | 第45-52页 |
| ·粗糙集模块的程序设计 | 第45-48页 |
| ·神经网络模块的程序设计 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结及展望 | 第52-53页 |
| ·总结 | 第52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第57页 |
