| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究动机、目的及意义 | 第14-19页 |
| ·研究动机 | 第14-17页 |
| ·研究目的与意义 | 第17-19页 |
| ·论文的主要研究内容和创新点 | 第19-20页 |
| ·论文提纲 | 第20-22页 |
| 第二章 多维数据分析方法研究:简要综述 | 第22-33页 |
| ·引言 | 第22页 |
| ·神经网络与多维数据分析方法 | 第22-23页 |
| ·机器学习与神经网络 | 第23-25页 |
| ·传统神经网络学习中存在的问题 | 第25-28页 |
| ·神经网络结构难以确定 | 第25-26页 |
| ·神经网络训练周期时间长 | 第26-28页 |
| ·多维数据分析的困难 | 第28页 |
| ·多维数据分析的常用方法 | 第28-32页 |
| ·基于粗糙集数据的分析方法 | 第29-30页 |
| ·基于支持向量机的分析方法 | 第30-31页 |
| ·基于贝叶斯的分析方法 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 序列构造神经网络的模型研究 | 第33-49页 |
| ·引言 | 第33-34页 |
| ·序列构造神经网络的一些特点 | 第34-35页 |
| ·序列构造神经网络的理论基础 | 第35-44页 |
| ·基本概念 | 第35-36页 |
| ·序列构造网络构造的基本结构 | 第36-38页 |
| ·序列构造神经网络的基本原理 | 第38-40页 |
| ·网络对已有样本的学习过程 | 第40-43页 |
| ·网络对新样本的识别过程 | 第43-44页 |
| ·序列构造型神经网络的机理分析 | 第44-48页 |
| ·动态网络结构模型 | 第44-45页 |
| ·神经元动态序列的几何空间解释 | 第45-46页 |
| ·内部隐含层神经元的确定 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第四章 序列构造神经网络的构造方法 | 第49-57页 |
| ·引言 | 第49页 |
| ·多类样本的序列神经网络的构造方法 | 第49-50页 |
| ·多类样本构造的一般过程描述 | 第50-51页 |
| ·训练中的复杂度分析 | 第51-53页 |
| ·训练样本的选择 | 第53-55页 |
| ·数值属性的替换原则 | 第53-54页 |
| ·属性数据值调整 | 第54-55页 |
| ·实验及讨论 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第五章 序列构造神经网络的实现方法 | 第57-70页 |
| ·超平面结构神经元的实现方法 | 第57-60页 |
| ·超平面神经元 | 第57-58页 |
| ·结合超平面神经元的SCNN实现 | 第58-59页 |
| ·实现机理分析 | 第59-60页 |
| ·RBF神经元的实现方法 | 第60-63页 |
| ·RBF神经元 | 第60页 |
| ·结合RBF神经元的SCNN实现 | 第60-62页 |
| ·实现机理分析 | 第62-63页 |
| ·相关改进算法 | 第63-67页 |
| ·数据一次批量清洗处理 | 第64-65页 |
| ·数据多次清洗处理 | 第65页 |
| ·实验及对比分析 | 第65-67页 |
| ·实验及讨论 | 第67-69页 |
| ·问题简介 | 第67-68页 |
| ·效果及分析 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第六章 基于序列构造神经网络的多维数据分析方法 | 第70-86页 |
| ·引言 | 第70-71页 |
| ·网络训练过程中的多维分析框架模型 | 第71-72页 |
| ·神经网络对多维空间数据表示的机理分析 | 第72-76页 |
| ·内部构造神经元对信息数据的描述 | 第73-74页 |
| ·加权神经元序列对原始数据信息映射的讨论 | 第74-76页 |
| ·多维数据分析算法 | 第76-84页 |
| ·引言 | 第76-77页 |
| ·学习规则的变换方法 | 第77-78页 |
| ·序列构造神经网络的多侧面分解 | 第78-80页 |
| ·多侧面分析与序列构造神经元的集成 | 第80-82页 |
| ·结合序列构造神经网络的多维数据分析的基本操作 | 第82-84页 |
| ·序列构造神经网络的多维数据分析的特点 | 第84-85页 |
| ·小结 | 第85-86页 |
| 第七章 序列构造神经网络的多维数据分析应用探索 | 第86-99页 |
| ·房产租赁指数多维数据分析的应用需求分析 | 第86-87页 |
| ·基于SCNN的房产租赁指数多维数据分析系统建模 | 第87-95页 |
| ·房产租赁指数分析模型 | 第88-89页 |
| ·房产租赁数据的主要构成 | 第89-90页 |
| ·数据量化与归一化过程 | 第90-91页 |
| ·主要算法设计步骤 | 第91-94页 |
| ·系统建模的其它考虑 | 第94-95页 |
| ·基于SCNN的房产租赁指数多维数据分析系统初步实施简介 | 第95-98页 |
| ·系统模块说明 | 第95-97页 |
| ·现阶段情况 | 第97-98页 |
| ·系统评价 | 第98页 |
| ·小结 | 第98-99页 |
| 第八章 总结与展望 | 第99-101页 |
| ·总结 | 第99-100页 |
| ·展望 | 第100-101页 |
| 参考文献 | 第101-108页 |
| 致谢 | 第108-109页 |
| 附录A 攻读博士学位期间发表的论文 | 第109-110页 |
| 附录B 攻读博士学位期间主持、参加的项目 | 第110-111页 |
| 附录C 序列构造神经网络的核心代码(C++描述) | 第111-126页 |