基于神经网络和相似度分析的成本估算系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景 | 第12-18页 |
| ·行业背景 | 第12-13页 |
| ·实践背景 | 第13-16页 |
| ·理论背景 | 第16-18页 |
| ·论文研究内容 | 第18页 |
| ·论文章节组成 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 基于神经网络的规格预测 | 第20-36页 |
| ·概述 | 第20-21页 |
| ·神经网络的基本原理 | 第21-29页 |
| ·神经网络算法背景介绍 | 第21-23页 |
| ·BP神经网络算法模型 | 第23-29页 |
| ·基于BP神经网络切片数量的预测方法 | 第29-33页 |
| ·神经网络的设置 | 第29-32页 |
| ·训练数据预处理 | 第32-33页 |
| ·输出数据的处理 | 第33页 |
| ·算法测试与结果分析 | 第33-35页 |
| ·算法测试结果 | 第33-34页 |
| ·测试数据分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于CBR的相似度分析方法的研究 | 第36-55页 |
| ·概述 | 第36页 |
| ·基于CBR的相似度分析基本原理 | 第36-41页 |
| ·CBR背景介绍 | 第36-37页 |
| ·CBR的基本特点 | 第37页 |
| ·CBR的主要研究方向 | 第37-38页 |
| ·CBR的算法模型 | 第38-39页 |
| ·CBR的相似算法 | 第39-41页 |
| ·基于CBR的产品相似度分析算法 | 第41-50页 |
| ·产品案例表示 | 第41-43页 |
| ·产品相似度分析算法 | 第43-50页 |
| ·算法测试与结果分析 | 第50-53页 |
| ·算法测试结果 | 第50-53页 |
| ·测试数据分析 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第4章 基于遗传算法的相似度方法优化 | 第55-69页 |
| ·概述 | 第55页 |
| ·遗传算法基本原理 | 第55-57页 |
| ·算法背景介绍 | 第55-56页 |
| ·遗传算法基本流程 | 第56-57页 |
| ·基于遗传算法的相似度分析权值的优化方法 | 第57-63页 |
| ·遗传算法设置 | 第57-61页 |
| ·遗传算法数据预处理 | 第61-63页 |
| ·算法测试与结果分析 | 第63-68页 |
| ·算法测试结果 | 第63-67页 |
| ·测试数据分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 系统实现 | 第69-74页 |
| ·体系结构 | 第69页 |
| ·功能模块 | 第69-71页 |
| ·运行情况 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| ·本文工作总结 | 第74页 |
| ·未来工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间主要的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 作者简历 | 第82页 |
