基于灰色神经网络的高考批次线预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 序论 | 第10-16页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 研究综述 | 第11-14页 |
| 1.2.1 搜索指数研究现状 | 第11-12页 |
| 1.2.2 高考研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-16页 |
| 第二章 相关概念和相关理论概述 | 第16-26页 |
| 2.1 网络搜索指数概述 | 第16-17页 |
| 2.1.1 网络搜索指数介绍 | 第16-17页 |
| 2.1.2 百度指数 | 第17页 |
| 2.2 主成分分析 | 第17-18页 |
| 2.3 灰色预测法 | 第18-20页 |
| 2.4 多元线性回归方法 | 第20-21页 |
| 2.5 支持向量机回归 | 第21-22页 |
| 2.6 神经网络技术 | 第22-25页 |
| 2.6.1 多层感知器网络 | 第22-24页 |
| 2.6.2 BP神经网络 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 特征选取和模型的构造 | 第26-36页 |
| 3.1 特征选取 | 第26-28页 |
| 3.1.1 基本特征选取 | 第26-27页 |
| 3.1.2 基于网络搜索指数的高校热度 | 第27-28页 |
| 3.2 特征预处理 | 第28-31页 |
| 3.2.1 基本特征的预处理 | 第28-29页 |
| 3.2.2 网络搜索指数的预处理 | 第29-31页 |
| 3.3 组合预测模型的构建 | 第31-35页 |
| 3.3.1 支持向量机预测模型 | 第31-33页 |
| 3.3.2 灰色神经网络预测模型 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 实验分析与预测 | 第36-47页 |
| 4.1 数据来源 | 第36-37页 |
| 4.1.1 高考信息的数据来源 | 第36页 |
| 4.1.2 搜索指数的数据来源 | 第36-37页 |
| 4.2 模型的训练与预测 | 第37-44页 |
| 4.2.1 灰色模型预测分析 | 第37-39页 |
| 4.2.2 多元线性回归预测分析 | 第39-41页 |
| 4.2.3 支持向量机回归预测分析 | 第41-42页 |
| 4.2.4 灰色神经网络预测分析 | 第42-44页 |
| 4.3 结果对比 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结展望 | 第47-48页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
