上海商品房价格走势预测方案设计--基于文本挖掘与支持向量机
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第6-16页 |
| 1.1 研究背景 | 第6-9页 |
| 1.2 研究目的和意义 | 第9-11页 |
| 1.3 研究内容、方法和技术路线 | 第11-15页 |
| 1.4 本文的主要贡献 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 文献综述与相关理论 | 第16-28页 |
| 2.1 文献综述 | 第16-19页 |
| 2.2 相关理论 | 第19-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 房价走势预测问题描述与分析 | 第28-32页 |
| 3.1 上海房价描述与问题提出 | 第28-30页 |
| 3.2 上海房价走势预测问题分析 | 第30-31页 |
| 3.3 方案设计目标 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 房价预测方案的理论框架 | 第32-35页 |
| 4.1 百度指数搜索数据概述 | 第32页 |
| 4.2 均衡价格理论和时滞效应 | 第32-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 房价走势预测方案策划设计 | 第35-49页 |
| 5.1 网络爬虫构建 | 第35-37页 |
| 5.2 房价指数预测方案数据的基本情况 | 第37-41页 |
| 5.3 文本挖掘建立关键词库 | 第41-43页 |
| 5.4 基于PSO-SVR对上海房价指数预测研究 | 第43-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 上海房价走势预测研究有效性论证 | 第49-55页 |
| 6.1 文本挖掘数据与其他数据源的预测结果对比 | 第49-52页 |
| 6.2 PSO-SVR与BP神经网络预测结果对比 | 第52-54页 |
| 6.3 本章小结 | 第54-55页 |
| 第7章 总结与展望 | 第55-57页 |
| 7.1 上海房价走势预测基本结论 | 第55页 |
| 7.2 本文的不足 | 第55-56页 |
| 7.3 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
