基于改进KNN-BPNN算法的山东省农产品价格预测模型
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题的背景与研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要内容及组织结构 | 第13-16页 |
| 第二章 数据挖掘概念与技术 | 第16-28页 |
| ·数据挖掘的概念概述 | 第16-17页 |
| ·数据挖掘的应用领域 | 第17-20页 |
| ·数据挖掘的分析方法 | 第20-24页 |
| ·聚类分析 | 第20-21页 |
| ·分类分析 | 第21-22页 |
| ·关联分析 | 第22页 |
| ·孤立点分析 | 第22-23页 |
| ·可视化分析 | 第23-24页 |
| ·数据挖掘的处理流程 | 第24-26页 |
| ·数据挖掘发展问题 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 预测模型的相关算法及算法改进 | 第28-38页 |
| ·时间序列 | 第28-29页 |
| ·经典 KNN 算法 | 第29-30页 |
| ·BPNN 算法 | 第30-32页 |
| ·改进的 KNN 算法 | 第32-33页 |
| ·PSO 算法及其对参数的优化 | 第33-36页 |
| ·PSO 算法 | 第33-34页 |
| ·PSO 算法对参数的优化 | 第34-36页 |
| ·改进的 KNN-BPNN 算法构建预测模型 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 预测模型的建立过程 | 第38-50页 |
| ·数据收集 | 第38-39页 |
| ·数据预处理 | 第39-41页 |
| ·数据清理 | 第39页 |
| ·数据集成 | 第39-41页 |
| ·数据归一化处理 | 第41页 |
| ·特征向量 | 第41-42页 |
| ·预测模型的建立 | 第42-48页 |
| ·预测模型的参数优化 | 第42-46页 |
| ·基于 KNN-BPNN 算法建立预测模型 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 预测模型的实验与评估 | 第50-56页 |
| ·实验环境 | 第50页 |
| ·预测模型的评估 | 第50-53页 |
| ·本章小结 | 第53-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·全文总结 | 第56页 |
| ·下一步工作 | 第56-58页 |
| 参考文献 | 第58-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |
