| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第一章 引言 | 第7-11页 |
| ·多层径向基函数网络算法的研究目的和意义 | 第7-9页 |
| ·本文主要研究工作 | 第9-11页 |
| 第二章 改进的多层 RBF 网络的原理及实函数逼近实验 | 第11-32页 |
| ·单层径向基函数网络的基本原理 | 第11-12页 |
| ·多层径向基函数网络的构造及聚类算法 | 第12-20页 |
| ·多层径向基函数网络的基本聚类算法 | 第12-18页 |
| ·多层径向基函数网络的改进聚类算法 | 第18-20页 |
| ·计算机模拟实验 | 第20-32页 |
| ·一元实函数逼近实验 | 第20-27页 |
| ·二元实函数逼近实验 | 第27-32页 |
| 第三章 改进的多层 RBF 网络的聚类算法在混沌时间序列的多步预测中的应用 | 第32-48页 |
| ·一般时间序列的 K 步预算法 | 第32-35页 |
| ·多层 RBF 网络的改进聚类算法在混沌时间序列预测中的应用 | 第35-48页 |
| ·Logistic 时间序列的建模与多步预测 | 第35-42页 |
| ·Mackey_Glass 时间序列的预测与多步预测 | 第42-48页 |
| 第四章 基于自适应遗传算法的多层径向基函数非线性回归网络在我国 35 个城市房价指数预测中的应用 | 第48-69页 |
| ·基于自适应遗传算法的多层径向基函数的非线性回归网络 | 第48-49页 |
| ·检验非线性时间序列的径向基函数网络法 | 第49-50页 |
| ·我国 35 个城市的房价指数的预测 | 第50-68页 |
| ·综述 | 第50-52页 |
| ·数据和建模的结果 | 第52-68页 |
| ·结论 | 第68-69页 |
| 第五章 结论与展望 | 第69-70页 |
| ·结论 | 第69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
