| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 预测模型研究现状 | 第16-18页 |
| 1.2.2 农产品物价预测系统研究现状 | 第18-19页 |
| 1.3 论文研究的主要内容 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 第2章 系统关键技术研究 | 第23-39页 |
| 2.1 数据挖掘技术 | 第23-29页 |
| 2.1.1 数据挖掘概述 | 第23-24页 |
| 2.1.2 数据挖掘技术 | 第24-25页 |
| 2.1.3 数据挖掘流程 | 第25-29页 |
| 2.2 预测系统技术 | 第29-34页 |
| 2.2.1 预测系统概述 | 第29-30页 |
| 2.2.2 常用的预测算法 | 第30-34页 |
| 2.3 JavaEE平台的相关技术 | 第34-38页 |
| 2.3.1 JavaEE体系结构 | 第35-36页 |
| 2.3.2 JavaEE框架结构 | 第36-37页 |
| 2.3.3 MVC系统架构 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 基于组合模型的农产品物价预测系统需求与分析 | 第39-45页 |
| 3.1 项目背景以及需求目标 | 第39页 |
| 3.2 功能性需求 | 第39-43页 |
| 3.2.1 用户功能需求 | 第39-42页 |
| 3.2.2 系统功能需求 | 第42-43页 |
| 3.3 非功能性需求 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 农产品物价预测组合模型算法 | 第45-59页 |
| 4.1 组合模型预测算法 | 第45-47页 |
| 4.2 优化BP神经网络算法 | 第47-50页 |
| 4.2.1 使用粒子群算法对网络进行优化 | 第49-50页 |
| 4.2.2 自适应动态调整学习速率对网络优化 | 第50页 |
| 4.3 支持向量机回归(SVR)算法 | 第50-51页 |
| 4.4 BP-SVR-BP组合模型训练 | 第51-57页 |
| 4.4.1 数据预处理 | 第51-52页 |
| 4.4.2 BP-SVR-BP组合模型实现 | 第52-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 基于组合模型的农产品物价预测系统设计与实现 | 第59-73页 |
| 5.1 基于组合模型的农产品物价预测系统设计 | 第59-65页 |
| 5.1.1 系统整体架构设计 | 第59-60页 |
| 5.1.2 系统详细功能设计 | 第60-62页 |
| 5.1.3 Web服务器端设计 | 第62-63页 |
| 5.1.4 数据库服务器设计 | 第63-64页 |
| 5.1.5 数据库设计 | 第64-65页 |
| 5.2 基于组合模型的农产品物价预测系统实现 | 第65-72页 |
| 5.2.1 系统开发环境及搭建 | 第65-67页 |
| 5.2.2 系统关键功能实现 | 第67-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 农产品物价预测系统测试 | 第73-77页 |
| 6.1 测试环境 | 第73页 |
| 6.2 功能测试 | 第73-75页 |
| 6.3 性能测试 | 第75-76页 |
| 6.4 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第85页 |