| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 研究现状 | 第15-17页 |
| 1.3.1 高校学生学籍异动研究现状 | 第15-16页 |
| 1.3.2 神经网络算法用于预测的研究现状 | 第16-17页 |
| 1.4 主要研究目标和内容 | 第17页 |
| 1.5 论文篇章结构 | 第17-19页 |
| 第2章 相关理论与技术分析 | 第19-33页 |
| 2.1 学籍异动相关概念 | 第19-20页 |
| 2.2 数据预处理 | 第20-23页 |
| 2.2.1 缺失数据清理 | 第20-21页 |
| 2.2.2 噪声数据清理 | 第21-22页 |
| 2.2.3 数据变换 | 第22-23页 |
| 2.3 BP神经网络 | 第23-28页 |
| 2.3.1 神经网络概念 | 第23页 |
| 2.3.2 BP神经网络结构 | 第23-25页 |
| 2.3.3 BP神经网络算法原理 | 第25-28页 |
| 2.3.4 BP神经网络局限性 | 第28页 |
| 2.4 主成分分析 | 第28-30页 |
| 2.4.1 主成分分析基本思想 | 第29页 |
| 2.4.2 主成分分析基本原理 | 第29-30页 |
| 2.5 本章小结 | 第30-33页 |
| 第3章 基于BP神经网络算法的学籍异动预测模型 | 第33-51页 |
| 3.1 基于BP神经网络算法的学籍异动预测模型概述 | 第33-36页 |
| 3.1.1 BP神经网络算法预测可行性分析 | 第33-34页 |
| 3.1.2 基于BP神经网络算法的学籍异动预测模型构建步骤 | 第34-36页 |
| 3.2 高校学生相关研究数据预处理 | 第36-43页 |
| 3.2.1 研究数据集的特征明确及数据收集 | 第36-39页 |
| 3.2.2 高校学生相关的研究数据清理 | 第39-40页 |
| 3.2.3 高校学生相关的研究数据集规范 | 第40-43页 |
| 3.2.4 研究数据集标准化 | 第43页 |
| 3.3 BP神经网络算法模型设计 | 第43-48页 |
| 3.3.1 层数与单元个数确定 | 第44-45页 |
| 3.3.2 确定激活函数 | 第45-47页 |
| 3.3.3 参数初始化 | 第47页 |
| 3.3.4 确定训练方式 | 第47-48页 |
| 3.4 基于BP神经网络算法学籍异动预测模型训练 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于BP神经网络算法的学籍异动预测模型优化 | 第51-59页 |
| 4.1 优化问题 | 第51-52页 |
| 4.2 PCA优化学籍异动预测模型 | 第52-55页 |
| 4.3 学籍异动预测模型的敏感性分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 模型预测验证及实例应用 | 第59-67页 |
| 5.1 K折交叉验证方法 | 第59-61页 |
| 5.2 基于BP神经网络学籍异动预测模型效果验证 | 第61-63页 |
| 5.3 基于优化后学籍异动预测模型预测效果验证 | 第63-65页 |
| 5.4 预测模型实例应用及分析 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第75页 |
