| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-15页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文研究内容 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 2 相关技术 | 第15-36页 |
| ·系统开发环境及架构 | 第15-17页 |
| ·MATLAB简介 | 第15页 |
| ·Java简介 | 第15-16页 |
| ·MyEclipse简介 | 第16页 |
| ·MySQL简介 | 第16页 |
| ·MVC简介 | 第16-17页 |
| ·神经网络介绍 | 第17-22页 |
| ·神经网络简介 | 第18-19页 |
| ·神经网络分类 | 第19页 |
| ·神经网络工具箱 | 第19-21页 |
| ·神经网络预测 | 第21-22页 |
| ·神经网络模型 | 第22-30页 |
| ·人工神经元理论模型 | 第23-25页 |
| ·神经网络模型 | 第25-28页 |
| ·感知器 | 第28-30页 |
| ·BP神经网络 | 第30-32页 |
| ·BP神经网络概述 | 第30-31页 |
| ·BP神经网络原理 | 第31-32页 |
| ·遗传算法 | 第32-35页 |
| ·遗传算法特点 | 第32-33页 |
| ·遗传算法操作 | 第33页 |
| ·遗传算法一般算法 | 第33-34页 |
| ·遗传算法流程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 微博舆论发展趋势预测系统设计与实现 | 第36-53页 |
| ·系统设计体系结构 | 第36页 |
| ·系统功能设计 | 第36页 |
| ·系统设计流图 | 第36-37页 |
| ·系统模块划分 | 第37-38页 |
| ·数据库表结构设计 | 第38-40页 |
| ·系统采集模块 | 第40-45页 |
| ·基于API的采集 | 第40-44页 |
| ·基于网络爬虫的采集 | 第44-45页 |
| ·数据预处理模块 | 第45-47页 |
| ·系统预测模块 | 第47-50页 |
| ·遗传算法函数实现 | 第47-49页 |
| ·遗传算法优化的BP神经网络函数实现 | 第49-50页 |
| ·JAVA调用MATLAB过程 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 4 微博舆论发展趋势预测系统关键技术 | 第53-58页 |
| ·微博舆论发展趋势预测系统的BP神经网络结构 | 第53-54页 |
| ·微博舆论发展趋势预测系统的遗传算法优化BP神经网络 | 第54-57页 |
| ·遗传算法优化BP神经网络内部参数设计 | 第54-56页 |
| ·遗传算法优化BP神经网络过程实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 5 微博舆论发展趋势预测系统测试 | 第58-64页 |
| ·各模块功能测试 | 第58-60页 |
| ·采集模块 | 第58页 |
| ·预处理模块 | 第58-59页 |
| ·预测模块 | 第59-60页 |
| ·热门微博查看模块 | 第60页 |
| ·系统整体测试 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| ·总结 | 第64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |