基于改进粒子群神经网络的电信业务预测模型研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 表目录 | 第15-18页 |
| 图目录 | 第18-20页 |
| 第一章 绪论 | 第20-31页 |
| ·研究背景及意义 | 第20-22页 |
| ·研究现状与趋势 | 第22-28页 |
| ·电信业务预测研究现状与趋势 | 第22-25页 |
| ·智能计算技术研究现状与趋势 | 第25-28页 |
| ·研究目标与研究内容 | 第28页 |
| ·拟解决的关键问题与创新期望 | 第28-29页 |
| ·拟解决的关键问题 | 第28-29页 |
| ·本研究的创新期望 | 第29页 |
| ·研究方法与技术路线 | 第29-31页 |
| 第二章 电信业务预测现状分析 | 第31-48页 |
| ·电信业务发展现状与市场分析 | 第31-38页 |
| ·电信业务发展现状 | 第31-34页 |
| ·电信业务市场分析 | 第34-38页 |
| ·电信业务预测要求及因素分析 | 第38-41页 |
| ·电信业务预测要求 | 第38-39页 |
| ·电信业务因素分析 | 第39-41页 |
| ·现行电信业务预测模型特性分析 | 第41-45页 |
| ·电信业务统计计量预测模型 | 第41-43页 |
| ·电信业务神经网络预测模型 | 第43-45页 |
| ·神经网络预测模型存在的主要问题及改进设想 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 智能计算技术理论基础 | 第48-69页 |
| ·神经网络理论 | 第48-52页 |
| ·神经元模型与神经网络结构 | 第48-49页 |
| ·神经网络的工作原理 | 第49-50页 |
| ·神经网络的学习算法 | 第50-52页 |
| ·神经网络的评价准则 | 第52页 |
| ·混沌预测理论 | 第52-59页 |
| ·混沌现象的定义 | 第53-54页 |
| ·混沌现象的特征量 | 第54-56页 |
| ·相空间重构方法 | 第56-58页 |
| ·混沌时间序列的预测模型 | 第58-59页 |
| ·遗传算法原理 | 第59-63页 |
| ·遗传算法基本思想 | 第59页 |
| ·编码方法与遗传算子 | 第59-60页 |
| ·遗传算法的主要特性 | 第60-62页 |
| ·遗传算法流程与步骤 | 第62-63页 |
| ·粒子群算法原理 | 第63-68页 |
| ·群优化技术的背景与模式 | 第63-64页 |
| ·粒子群算法基本原理与计算流程 | 第64-65页 |
| ·粒子群算法存在的主要问题 | 第65-66页 |
| ·粒子群算法可能的改进途径 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第四章 粒子群优化算法的改进研究 | 第69-103页 |
| ·粒子群算法与遗传算法及混沌算法的比较分析 | 第69-71页 |
| ·粒子群算法与遗传算法的比较分析 | 第69-70页 |
| ·粒子群算法与混沌算法的比较分析 | 第70-71页 |
| ·粒子群算法混沌初始化 | 第71-74页 |
| ·混沌运动遍历性的数学描述 | 第71-73页 |
| ·粒子群算法混沌初始化程序 | 第73-74页 |
| ·粒子群算法小生境进化策略 | 第74-79页 |
| ·遗传算法中的小生境技术比较分析 | 第75-77页 |
| ·小生境进化策略在粒子群算法中的应用设计 | 第77-79页 |
| ·粒子群算法参数设计 | 第79-93页 |
| ·适应度函数选择与尺度变换法则 | 第79-82页 |
| ·学习因子实验设计与惯性权重自适应调整策略 | 第82-93页 |
| ·改进粒子群算法综合程序 | 第93-100页 |
| ·基于标准测试函数的算法实验分析 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 第五章 粒子群神经网络的集成研究 | 第103-116页 |
| ·粒子群神经网络的集成方式分析 | 第103-105页 |
| ·神经网络的基本属性与存在的问题 | 第103-104页 |
| ·粒子群算法与神经网络的结合方式 | 第104-105页 |
| ·粒子群神经网络的拓扑结构与学习算法 | 第105-110页 |
| ·粒子群神经网络的拓扑结构 | 第105-107页 |
| ·粒子群神经网络的学习算法 | 第107-110页 |
| ·粒子群神经网络的模型设计和算法程序 | 第110-115页 |
| ·粒子群神经网络的模型设计 | 第110-111页 |
| ·粒子群神经网络的算法程序 | 第111-115页 |
| ·本章小结 | 第115-116页 |
| 第六章 基于电信业务样本的预测模型设计 | 第116-146页 |
| ·电信业务预测指标及其影响因素 | 第116-117页 |
| ·电信业务样本采集与数据统计分析 | 第117-127页 |
| ·电信业务样本采集 | 第117-119页 |
| ·样本数据统计分析 | 第119-127页 |
| ·基于电信业务样本的改进粒子群神经网络设计 | 第127-131页 |
| ·改进粒子群神经网络拓扑结构与基本参数 | 第127-129页 |
| ·改进粒子群神经网络训练误差及其连接权值与阈值 | 第129-131页 |
| ·基于电信业务样本的其他预测模型设计 | 第131-145页 |
| ·统计回归模型 | 第131-136页 |
| ·标准智能模型 | 第136-145页 |
| ·本章小结 | 第145-146页 |
| 第七章 电信业务预测模型实验结果的比较分析 | 第146-164页 |
| ·电信业务的测试样本 | 第146-147页 |
| ·各种模型的电信业务预测结果分析 | 第147-163页 |
| ·各种模型的电信业务预测结果 | 第147-151页 |
| ·预测结果的综合比较分析 | 第151-160页 |
| ·初步结论 | 第160-163页 |
| ·本章小结 | 第163-164页 |
| 结论与展望 | 第164-167页 |
| 参考文献 | 第167-177页 |
| 攻读博士学位期间取得的研究成果 | 第177-178页 |
| 致谢 | 第178页 |
