结合灰色理论的BP神经网络猪肉价格预测的建模与改进研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| ·论文背景介绍 | 第7页 |
| ·论文研究工作 | 第7页 |
| ·论文内容介绍 | 第7-11页 |
| 第2章 数据挖掘技术简介 | 第11-16页 |
| ·什么是数据挖掘 | 第11-12页 |
| ·数据挖掘与OLAP系统 | 第12页 |
| ·数据挖掘与数据仓库 | 第12-13页 |
| ·数据挖掘与传统的数据统计分析技术 | 第13-14页 |
| ·数据挖掘技术的应用 | 第14页 |
| ·数据挖掘技术的局限性 | 第14-16页 |
| 第3章 数据挖掘的神经网络模型 | 第16-22页 |
| ·数据挖掘模型简介 | 第16页 |
| ·神经网络模型简介 | 第16-22页 |
| ·神经网络模型的应用 | 第16-17页 |
| ·神经网络的结构 | 第17-18页 |
| ·神经网络的传播与回馈 | 第18-19页 |
| ·神经网络的种类 | 第19-20页 |
| ·神经网络应用时的注意问题 | 第20-22页 |
| 第4章 灰色理论的预测模型 | 第22-26页 |
| ·灰色理论简介 | 第22页 |
| ·GM(1,1)预测模型 | 第22-23页 |
| ·改进的GM(1,1)预测模型 | 第23-25页 |
| ·模型的进一步扩展 | 第25-26页 |
| 第5章 数据挖掘建模 | 第26-34页 |
| ·数据挖掘建模流程简介 | 第26-34页 |
| ·定义数据挖掘问题 | 第26页 |
| ·建立数据挖掘库 | 第26-30页 |
| ·分析数据 | 第30-31页 |
| ·准备数据 | 第31-34页 |
| 第6章 数据挖掘建模的BP神经网络学习算法研究 | 第34-44页 |
| ·BP神经网络简介 | 第34页 |
| ·基于梯度下降算法的BP神经网络 | 第34-37页 |
| ·算法的原理 | 第34-36页 |
| ·算法的缺点 | 第36-37页 |
| ·改进的基于梯度下降算法的BP神经网络 | 第37-44页 |
| ·改进算法的原理 | 第37-38页 |
| ·改进算法与原算法的分析比较 | 第38-41页 |
| ·改进算法的C++实现 | 第41-43页 |
| ·改进算法的优点与不足 | 第43-44页 |
| 第7章 总结与展望 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
| 摘要 | 第48-50页 |
| Abstract | 第50-51页 |
