| 摘要 | 第4-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第21-43页 |
| 1.1 课题来源 | 第21页 |
| 1.2 论文选题依据与意义 | 第21-23页 |
| 1.3 小样本概述 | 第23-32页 |
| 1.3.1 小样本问题基础 | 第24-26页 |
| 1.3.2 虚拟样本生成方法 | 第26-31页 |
| 1.3.3 蒙特卡洛方法 | 第31-32页 |
| 1.4 人工神经网络建模 | 第32-39页 |
| 1.4.1 人工智能与机器学习 | 第32-33页 |
| 1.4.2 人工神经网络发展简史 | 第33-34页 |
| 1.4.3 人工神经网络结构优化设计 | 第34-35页 |
| 1.4.4 极限学习机神经网络 | 第35-37页 |
| 1.4.5 函数连接神经网络 | 第37-39页 |
| 1.5 论文的研究内容和组织结构 | 第39-43页 |
| 1.5.1 论文主要研究内容 | 第39-40页 |
| 1.5.2 论文组织结构 | 第40-43页 |
| 第二章 基于MTD的虚拟样本生成方法 | 第43-57页 |
| 2.1 引言 | 第43页 |
| 2.2 整体趋势扩散技术MTD | 第43-45页 |
| 2.3 多分布整体趋势扩散技术MD-MTD | 第45-50页 |
| 2.3.1 虚拟样本生成机制 | 第46-47页 |
| 2.3.2 数据中心点CL | 第47-49页 |
| 2.3.3 左右偏度修正参数Sp | 第49-50页 |
| 2.3.4 虚拟样本容量N_(vir) | 第50页 |
| 2.4 标准函数验证 | 第50-52页 |
| 2.4.1 正交实验 | 第50-52页 |
| 2.4.2 不均匀样本实验 | 第52页 |
| 2.5 实例验证 | 第52-55页 |
| 2.5.1 MLCC数据集应用 | 第53页 |
| 2.5.2 PTA工业数据集应用 | 第53-55页 |
| 2.6 本章小结 | 第55-57页 |
| 第三章 基于PSO优化的虚拟样本生成方法 | 第57-73页 |
| 3.1 引言 | 第57页 |
| 3.2 不对称可接受域扩大过程 | 第57-58页 |
| 3.3 基于PSO的虚拟样本生成过程 | 第58-61页 |
| 3.4 算法改进前后的比较 | 第61-63页 |
| 3.4.1 不同的LB和UB计算方法的比较 | 第61-63页 |
| 3.4.2 虚拟样本产生机制的比较 | 第63页 |
| 3.5 标准函数验证 | 第63-66页 |
| 3.6 实例验证 | 第66-72页 |
| 3.6.1 MLCC数据集应用 | 第66-70页 |
| 3.6.2 PTA工业数据集应用 | 第70-72页 |
| 3.7 本章小结 | 第72-73页 |
| 第四章 基于极限学习机隐含层插值的虚拟样本生成方法 | 第73-87页 |
| 4.1 引言 | 第73页 |
| 4.2 ELM神经网络结构与数据插值分析 | 第73-74页 |
| 4.3 基于极限学习机隐含层插值的虚拟样本生成方法 | 第74-77页 |
| 4.4 标准函数验证 | 第77-79页 |
| 4.5 实例验证 | 第79-84页 |
| 4.5.1 MLCC数据集应用 | 第79-82页 |
| 4.5.2 PTA工业数据集应用 | 第82-84页 |
| 4.6 几种改进VSG方法的比较 | 第84-85页 |
| 4.7 本章小结 | 第85-87页 |
| 第五章 基于偏最小二乘算法的函数连接神经网络模型 | 第87-105页 |
| 5.1 引言 | 第87页 |
| 5.2 偏最小二乘算法 | 第87-89页 |
| 5.3 基于偏最小二乘学习算法的函数连接神经网络模型 | 第89-94页 |
| 5.3.1 非线性映射 | 第90-92页 |
| 5.3.2 偏最小二乘线性回归 | 第92-94页 |
| 5.4 MLCC数据集应用 | 第94-99页 |
| 5.5 PTA工业数据集应用 | 第99-104页 |
| 5.6 本章小结 | 第104-105页 |
| 第六章 基于蒙特卡洛模拟的工程建设费用风险分析 | 第105-127页 |
| 6.1 引言 | 第105-106页 |
| 6.2 工程建设费用数据和样本特征 | 第106页 |
| 6.3 基于蒙特卡洛模拟的数据样本补充方法 | 第106-107页 |
| 6.4 基于蒙特卡洛模拟费用估算方法的基本过程 | 第107-109页 |
| 6.5 基于蒙特卡洛和里克特量表方法的费用综合评估方法 | 第109-114页 |
| 6.5.1 李克特量表 | 第109页 |
| 6.5.2 综合评估算法的基本步骤 | 第109-114页 |
| 6.6 实际工程案例应用 | 第114-125页 |
| 6.6.1 项目背景 | 第114页 |
| 6.6.2 费用项优先级排序 | 第114-115页 |
| 6.6.3 费用项估算驱动因素筛选及排序 | 第115-123页 |
| 6.6.4 李克特量表分析过程 | 第123-125页 |
| 6.7 本章小结 | 第125-127页 |
| 第七章 结论和展望 | 第127-129页 |
| 7.1 结论 | 第127-128页 |
| 7.2 展望 | 第128-129页 |
| 参考文献 | 第129-143页 |
| 致谢 | 第143-145页 |
| 攻博期间完成的论文和参加的科研项目 | 第145-147页 |
| 作者简介 | 第147-149页 |
| 导师简介 | 第149-151页 |
| 附录 | 第151-152页 |
