| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 论文主要内容和组织结构 | 第11-13页 |
| 第二章 相关背景和技术介绍 | 第13-31页 |
| 2.1 票房预测研究现状 | 第13-16页 |
| 2.1.1 票房预测指标研究 | 第13-14页 |
| 2.1.2 票房预测方法研究 | 第14-16页 |
| 2.2 基于神经网络的票房预测研究现状 | 第16-22页 |
| 2.3 BP神经网络 | 第22-25页 |
| 2.3.1 BP神经网络基本原理 | 第22页 |
| 2.3.2 BP神经网络学习过程 | 第22-24页 |
| 2.3.3 BP神经网络优缺点 | 第24-25页 |
| 2.4 遗传算法理论 | 第25-27页 |
| 2.4.1 遗传算法基本原理 | 第25-26页 |
| 2.4.2 遗传算法执行流程 | 第26页 |
| 2.4.3 遗传算法特性 | 第26-27页 |
| 2.5 数据来源介绍 | 第27-28页 |
| 2.6 总结 | 第28-31页 |
| 第三章 基于GA-BP神经网络的票房预测模型 | 第31-55页 |
| 3.1 基于GA-BP神经网络的票房预测模型设计思想 | 第31-32页 |
| 3.2 基于GA-BP神经网络的票房预测模型架构及关键技术 | 第32-36页 |
| 3.2.1 基于GA-BP神经网络的票房预测模型架构 | 第32-33页 |
| 3.2.2 基于GA-BP神经网络的票房预测模型关键技术 | 第33-36页 |
| 3.3 基于GA-BP神经网络的票房预测模型设计 | 第36-46页 |
| 3.3.1 票房预测指标设计 | 第36-39页 |
| 3.3.2 BP神经网络设计 | 第39-42页 |
| 3.3.3 遗传算法设计 | 第42-46页 |
| 3.4 基于GA-BP神经网络的票房预测模型实现 | 第46-54页 |
| 3.4.1 票房预测指标获取 | 第46-49页 |
| 3.4.2 GA-BP神经网络的票房预测流程 | 第49-54页 |
| 3.5 总结 | 第54-55页 |
| 第四章 实验及结果分析 | 第55-65页 |
| 4.1 评价指标 | 第55页 |
| 4.2 实验数据预处理及参数设置 | 第55-58页 |
| 4.2.1 数据采集 | 第55页 |
| 4.2.2 数据预处理 | 第55-57页 |
| 4.2.3 模型参数设置 | 第57-58页 |
| 4.3 票房预测实验 | 第58-63页 |
| 4.3.1 GA-BP模型票房预测 | 第58-61页 |
| 4.3.2 GA-BP模型与BP模型票房预测对比 | 第61-62页 |
| 4.3.3 GA-BP模型与TLBP模型票房预测对比 | 第62-63页 |
| 4.4 总结 | 第63-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 论文主要工作总结 | 第65-66页 |
| 5.2 本文的创新点 | 第66页 |
| 5.3 展望 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |
