| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究目的及意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·大学生综合素质评价过程中存在的问题 | 第12-13页 |
| ·课题研究的主要内容及主要方法 | 第13-16页 |
| ·课题研究的主要内容 | 第13-14页 |
| ·课题研究的主要方法 | 第14-16页 |
| 第2章 大学生综合素质评价指标体系的建立及权重的确定 | 第16-26页 |
| ·大学生综合素质评价指标体系的构建 | 第16-19页 |
| ·大学生综合素质评价的原则 | 第16-17页 |
| ·大学生综合素质指标体系建立的原则 | 第17页 |
| ·大学生综合素质评价指标体系模型的构建 | 第17-19页 |
| ·评价指标权重的确定 | 第19-25页 |
| ·层次分析法简述 | 第20页 |
| ·层次分析法的步骤 | 第20-22页 |
| ·层次分析法确定大学生综合素质的权重 | 第22-24页 |
| ·指标体系权重表 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 大学生综合素质的模糊综合评价模型 | 第26-38页 |
| ·常见综合评价方法分析比较 | 第26-27页 |
| ·模糊综合评价方法 | 第27-30页 |
| ·单级模糊综合评价 | 第27-28页 |
| ·多级模糊综合评价 | 第28-30页 |
| ·基于层次分析的大学生综合素质模糊评价模型 | 第30-34页 |
| ·模糊评价应用 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第4章 基于模糊神经网络的大学生综合素质评价模型 | 第38-54页 |
| ·模糊系统和神经网络的融合 | 第38-41页 |
| ·模糊系统和神经网络结合的可能性 | 第38-40页 |
| ·人工神经网络与模糊系统的结合方式 | 第40-41页 |
| ·基于FNN 的大学生综合素质模型研究 | 第41-44页 |
| ·FNN 综合素质评价模型的确定 | 第41-43页 |
| ·FNN 模型中隶属度函数选择 | 第43页 |
| ·FNN 模型中模糊规则的确定 | 第43-44页 |
| ·FNN 综合素质评价的学习算法分析 | 第44-49页 |
| ·单个神经元的基本结构 | 第44-45页 |
| ·基于FNN 的综合素质评价各层输入输出关系 | 第45-46页 |
| ·FNN 模型的参数调整 | 第46-49页 |
| ·基于FNN 的大学生综合素质预测结果 | 第49页 |
| ·改进隐层节点的FNN 算法 | 第49-51页 |
| ·最佳隐层节点数的确定 | 第49-51页 |
| ·仿真实验 | 第51页 |
| ·FNN与改进隐层节点后的训练模型比较 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第5章 小波神经网络预测模型在大学生职业预测中的应用 | 第54-67页 |
| ·小波神经网络的适用性 | 第54-55页 |
| ·小波神经网络简介 | 第54页 |
| ·小波神经网络的适用性 | 第54-55页 |
| ·小波神经网络职业预测模型及其算法 | 第55-62页 |
| ·小波神经网络的分类和基本模型 | 第55-56页 |
| ·小波神经网络的结构 | 第56-57页 |
| ·构造数据样本 | 第57页 |
| ·基于WNN 的职业预测学习算法 | 第57-62页 |
| ·试验与分析 | 第62-66页 |
| ·小结 | 第66-67页 |
| 第6章 总结 | 第67-69页 |
| ·全文总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 作者攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |