| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景和研究意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 国内研究现状 | 第13-16页 |
| 1.2.2 国外研究现状 | 第16-18页 |
| 1.3 研究内容和技术路线 | 第18-21页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 技术路线 | 第19-21页 |
| 第2章 成本估算及案例推理相关理论 | 第21-28页 |
| 2.1 建设项目成本估算理论 | 第21-24页 |
| 2.1.1 建设项目成本估算概念 | 第21-22页 |
| 2.1.2 建设项目成本影响因素 | 第22-23页 |
| 2.1.3 建设项目成本分析方法 | 第23-24页 |
| 2.2 案例推理理论 | 第24-28页 |
| 2.2.1 案例推理概述 | 第24页 |
| 2.2.2 案例推理的基本思想 | 第24-25页 |
| 2.2.3 案例推理的基本流程 | 第25-27页 |
| 2.2.4 案例推理的特点 | 第27-28页 |
| 第3章 基于案例推理的成本估算模型 | 第28-36页 |
| 3.1 案例数据库的建立 | 第28-31页 |
| 3.2 案例检索 | 第31-33页 |
| 3.2.1 计算案例相似度 | 第31-32页 |
| 3.2.2 相似度排名 | 第32-33页 |
| 3.3 造价估算 | 第33-34页 |
| 3.4 估算精度分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于支持向量机的成本估算模型 | 第36-52页 |
| 4.1 支持向量机机理论 | 第36-40页 |
| 4.1.1 支持向量机概述 | 第36页 |
| 4.1.2 支持向量机结构 | 第36-37页 |
| 4.1.3 支持向量机算法原理 | 第37-39页 |
| 4.1.4 支持向量机的特点 | 第39-40页 |
| 4.2 支持向量机算例 | 第40-45页 |
| 4.2.1 建立回归模型 | 第41页 |
| 4.2.2 模型设定 | 第41-42页 |
| 4.2.3 模型训练和计算 | 第42-44页 |
| 4.2.4 模型性能分析 | 第44-45页 |
| 4.3 支持向量机案例推理模型 | 第45-50页 |
| 4.3.1 支持向量机案例推理模型建立 | 第45-47页 |
| 4.3.2 模型参数计算 | 第47页 |
| 4.3.3 模型训练和预测 | 第47-50页 |
| 4.3.4 模型性能分析 | 第50页 |
| 4.4 SVR模型和CBR-SVR模型对比分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于粒子群算法的优化估算模型 | 第52-69页 |
| 5.1 粒子群算法概述 | 第52-54页 |
| 5.1.1 粒子群算法的数学模型 | 第52-53页 |
| 5.1.2 粒子群算法的基本原理 | 第53页 |
| 5.1.3 粒子群算法的特点 | 第53-54页 |
| 5.2 粒子群优化模型及算例 | 第54-62页 |
| 5.2.1 PSO-SVR估算模型简介 | 第54页 |
| 5.2.2 PSO-SVR估算模型建立 | 第54-57页 |
| 5.2.3 PSO-SVR估算模型设定 | 第57-58页 |
| 5.2.4 PSO-SVR估算模型计算 | 第58-61页 |
| 5.2.5 PSO-SVR估算模型分析 | 第61-62页 |
| 5.2.6 PSO-SVR模型与SVR模型对比分析 | 第62页 |
| 5.3 PSO-SVR案例推理模型及算例 | 第62-67页 |
| 5.3.1 PSO-SVR案例推理模型建立 | 第62-65页 |
| 5.3.2 CBR-PSO-SVR模型计算 | 第65页 |
| 5.3.3 CBR-PSO-SVR模型分析 | 第65-66页 |
| 5.3.4 CBR-PSO-SVR和PSO-SVR对比 | 第66-67页 |
| 5.4 成本估算模型分析 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |