| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 论文研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 神经网络算法研究现状 | 第12-13页 |
| 1.2.2 音乐试听量预测研究现状 | 第13-14页 |
| 1.2.3 神经网络算法应用前景 | 第14页 |
| 1.3 论文研究的主要内容 | 第14-15页 |
| 1.4 全文结构安排 | 第15-17页 |
| 第二章 预测相关算法研究 | 第17-23页 |
| 2.1 统计分析算法模型 | 第17-19页 |
| 2.1.1 移动平均法 | 第17-18页 |
| 2.1.2 指数平滑法 | 第18-19页 |
| 2.1.3 趋势外推法 | 第19页 |
| 2.2 回归模型 | 第19-22页 |
| 2.2.1 线性回归 | 第20-21页 |
| 2.2.2 自回归移动平均模型 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 神经网络算法 | 第23-32页 |
| 3.1 人工神经网络简介 | 第23-24页 |
| 3.2 BP神经网络 | 第24-31页 |
| 3.2.1 BP神经网络概述 | 第24-26页 |
| 3.2.2 BP神经网络算法流程 | 第26-29页 |
| 3.2.3 BP神经网络的特点 | 第29-30页 |
| 3.2.4 BP神经网络的不足 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 音乐流行趋势预测研究 | 第32-54页 |
| 4.1 数据统计处理 | 第32-35页 |
| 4.2 实验目的与实验数据的确定 | 第35-37页 |
| 4.2.1 实验目的 | 第35页 |
| 4.2.2 实验数据的确定 | 第35-37页 |
| 4.2.3 评价指标 | 第37页 |
| 4.3 指数平滑法在艺人歌曲试听量预测中的应用 | 第37-41页 |
| 4.3.1 二次指数平滑法 | 第38-40页 |
| 4.3.2 粒子群算法在指数平滑法中的应用 | 第40-41页 |
| 4.4 自回归移动平均模型在艺人歌曲试听量预测中的应用 | 第41-43页 |
| 4.5 BP神经网络算法在艺人歌曲试听量预测中的应用 | 第43-51页 |
| 4.5.1 神经网络模型类型选择 | 第43-45页 |
| 4.5.2 输入、输出神经元个数的确定 | 第45-46页 |
| 4.5.3 训练集构建 | 第46-48页 |
| 4.5.4 隐层神经元个数的确定 | 第48页 |
| 4.5.5 附加动量法、学习率自适应调整方法的使用 | 第48-50页 |
| 4.5.6 实验预测结果 | 第50-51页 |
| 4.6 实验结果 | 第51-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 基于BP神经网络算法的音乐流行趋势预测系统 | 第54-62页 |
| 5.1 系统总体结构 | 第54-55页 |
| 5.2 系统开发环境 | 第55页 |
| 5.3 功能模块的设计与实现 | 第55-61页 |
| 5.3.1 任务管理模块 | 第55-57页 |
| 5.3.2 数据统计模块 | 第57-59页 |
| 5.3.3 算法预测模块 | 第59页 |
| 5.3.4 结果分析模块 | 第59-60页 |
| 5.3.5 统计管理模块 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
