| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究目的及意义 | 第16-17页 |
| 1.2.1 研究目的 | 第16-17页 |
| 1.2.2 研究意义 | 第17页 |
| 1.3 论文研究内容和主要创新处 | 第17-21页 |
| 第二章 产品伤害风险评估概述 | 第21-31页 |
| 2.1 产品伤害概述 | 第21-24页 |
| 2.1.1 产品质量安全相关概念 | 第21-22页 |
| 2.1.2 产品伤害的相关概念 | 第22-24页 |
| 2.2 产品质量安全风险评估 | 第24-26页 |
| 2.3 信息分析技术 | 第26-30页 |
| 2.3.1 灰色系统理论 | 第26-28页 |
| 2.3.2 聚类分析 | 第28-29页 |
| 2.3.3 时间序列分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于灰色关联度的产品伤害风险聚类分析模型 | 第31-39页 |
| 3.1 应用灰色关联分析法进行产品伤害评价的步骤 | 第31-32页 |
| 3.1.1 确定最优参考数列及评价矩阵 | 第31页 |
| 3.1.2 指标的规范化处理 | 第31页 |
| 3.1.3 计算关联系数 | 第31-32页 |
| 3.1.4 计算关联度 | 第32页 |
| 3.1.5 依据关联度进行排序 | 第32页 |
| 3.2 伤害程度的聚类分析 | 第32-34页 |
| 3.2.1 聚类分析的构成 | 第33页 |
| 3.2.2 灰色相似关系矩阵 | 第33-34页 |
| 3.2.3 聚类分析 | 第34页 |
| 3.2.4 基于灰色度聚类方法的产品伤害风险评估模型 | 第34页 |
| 3.3 实例应用 | 第34-38页 |
| 3.3.1 构建指标体系 | 第34-35页 |
| 3.3.2 数据规范化处理 | 第35-36页 |
| 3.3.3 计算灰色关联度 | 第36-37页 |
| 3.3.4 聚类分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于ARMA及BP模型的产品质量安全风险预警 | 第39-55页 |
| 4.1 基于ARMA模型的产品质量安全风险预警 | 第39-48页 |
| 4.1.1 ARMA模型概述 | 第39-40页 |
| 4.1.2 ARMA模型的数据预处理 | 第40-42页 |
| 4.1.3 ARMA模型的识别 | 第42-44页 |
| 4.1.4 ARMA模型定阶 | 第44-46页 |
| 4.1.5 模型参数估计 | 第46页 |
| 4.1.6 模型拟合效果检验 | 第46-48页 |
| 4.2 基于BP神经网络模型的产品质量安全风险预警 | 第48-53页 |
| 4.2.1 神经网络背景介绍 | 第48-49页 |
| 4.2.2 BP神经网络的结构和工作原理 | 第49页 |
| 4.2.3 MATLAB中BP神经网络风险预警模型的实现 | 第49-51页 |
| 4.2.4 BP神经网络预测模型的结果分析 | 第51-53页 |
| 4.3 两种预警模型方法比较 | 第53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 研究总结 | 第55-56页 |
| 5.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 研究成果及发表的学术论文 | 第65-67页 |
| 作者和导师简介 | 第67-68页 |
| 附件 | 第68-69页 |
