| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| ·引言 | 第7-8页 |
| ·数据挖掘的提出及其现状 | 第8页 |
| ·数据挖掘的系统结构及其组成 | 第8-10页 |
| ·数据挖掘的常用算法及技术 | 第10-11页 |
| ·人工神经网络的提出 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第2章 人工神经网络理论 | 第14-25页 |
| ·神经网络技术发展综述 | 第14-16页 |
| ·人工神经网络的基础理论 | 第16-23页 |
| ·人工神经元模型 | 第16-19页 |
| ·主要的神经网络模型 | 第19-23页 |
| ·神经网络学习 | 第23-25页 |
| 第3章 误差反向传播(BP)网络模型 | 第25-39页 |
| ·BP网络概述 | 第25页 |
| ·基本BP模型 | 第25-32页 |
| ·BP网络的结构 | 第25-26页 |
| ·标准BP模型的学习过程及实例 | 第26-32页 |
| ·BP模型的设计分析 | 第32-36页 |
| ·训练样本集的准备 | 第32-34页 |
| ·初始权值的设计 | 第34-35页 |
| ·网络结构设计 | 第35-36页 |
| ·网络训练与测试 | 第36页 |
| ·标准BP模型存在的缺陷及原因分析 | 第36-39页 |
| 第4章 基于进化规划和单位BP的神经网络模型 | 第39-47页 |
| ·基于EP和单位BP的神经网络的核心技术 | 第39-43页 |
| ·进化规划(Evolutionary Programming，EP)技术 | 第39-41页 |
| ·单位BP算法 | 第41-42页 |
| ·引入陡度因子和加速因子 | 第42-43页 |
| ·权值压缩 | 第43页 |
| ·基于EP和单位BP的神经网络模型的建立 | 第43-45页 |
| ·仿真研究 | 第45-47页 |
| 第5章 新型神经网络模型在服装领域的应用 | 第47-63页 |
| ·服装归档问题的提出及其背景 | 第47-48页 |
| ·问题分析及其解决方案 | 第48-49页 |
| ·服装号型归档系统介绍 | 第49-50页 |
| ·号型归档模型的建立 | 第50-56页 |
| ·样本数据收集 | 第50-52页 |
| ·网络结构设计 | 第52-53页 |
| ·初始权值设计 | 第53-54页 |
| ·网络训练与测试 | 第54-56页 |
| ·多元回归模型的建立 | 第56-59页 |
| ·模型应用能力比较分析 | 第59-63页 |
| 第6章 结论 | 第63-64页 |
| 第7章 创新点 | 第64-65页 |
| ·论文难点 | 第64页 |
| ·论文创新点 | 第64-65页 |
| 攻读学位期间公开发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |