| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 ATM现金预测的研究背景 | 第8-9页 |
| 1.2 提出问题 | 第9-10页 |
| 1.3 ATM现金预测的研究意义 | 第10页 |
| 1.4 本文的主要内容及框架 | 第10-12页 |
| 第二章 ATM现金系统模型 | 第12-20页 |
| 2.1 数据挖掘建模流程 | 第12-13页 |
| 2.2 现金预测系统的体系结构 | 第13-14页 |
| 2.3 神经网络和支持向量机建模的比较 | 第14-15页 |
| 2.4 主要算法的描述 | 第15-20页 |
| 2.4.1 BP网络算法原理 | 第16-18页 |
| 2.4.2 BP网络算法实现 | 第18-20页 |
| 第三章 ATM现金预测模型的改进 | 第20-27页 |
| 3.1 标准BP网络建模的缺陷及原因分析 | 第20-21页 |
| 3.1.1 隐含层节点数难以确定 | 第20页 |
| 3.1.2 BP神经网络算法收敛慢且易陷入局部极值点 | 第20-21页 |
| 3.2 最优隐层节点数的选取 | 第21-23页 |
| 3.3 用改进的遗传算法优化BP网络模型 | 第23-27页 |
| 3.3.1 遗传算法及其改进 | 第23-25页 |
| 3.3.2 改进的遗传算法优化BP神经网络的权值 | 第25-27页 |
| 第四章 实验数据的收集和处理 | 第27-31页 |
| 4.1 实验数据的收集 | 第27-28页 |
| 4.2 实验数据的处理 | 第28-31页 |
| 4.2.1 数据清理 | 第28-29页 |
| 4.2.2 数据预处理 | 第29-31页 |
| 第五章 基于改进BP网络算法的ATM现金预测的实现 | 第31-46页 |
| 5.1 确定实验环境和构建网络模型 | 第31-33页 |
| 5.1.1 实验环境的确定 | 第31页 |
| 5.1.2 构建现金预测模型 | 第31-33页 |
| 5.2 调整现金预测模型中隐层节点数 | 第33-34页 |
| 5.2.1 网络结构初始化 | 第33页 |
| 5.2.2 网络训练及测试 | 第33-34页 |
| 5.2.3 结果分析 | 第34页 |
| 5.3 调整现金预测模型中输入层节点数 | 第34-38页 |
| 5.3.1 网络结构初始化 | 第35页 |
| 5.3.2 网络训练及测试 | 第35-38页 |
| 5.3.3 结果分析 | 第38页 |
| 5.4 基于改进遗传神经网络的ATM现金预测的实现 | 第38-46页 |
| 5.4.1 建立优化模型 | 第38-42页 |
| 5.4.2 BP模型与改进的GA优化BP模型仿真结果对比 | 第42-45页 |
| 5.4.3 结果分析 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 本文的总结 | 第46页 |
| 6.2 进一步的工作 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |
