| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 本论文研究内容及章节安排 | 第14-16页 |
| 1.3.1 本论文研究内容 | 第14-15页 |
| 1.3.2 本论文章节安排 | 第15-16页 |
| 第2章 回声状态网络预测模型 | 第16-23页 |
| 2.1 神经网络 | 第16-18页 |
| 2.1.1 基本原理 | 第16-17页 |
| 2.1.2 学习过程 | 第17-18页 |
| 2.2 回声状态网络 | 第18-22页 |
| 2.2.1 网络结构 | 第18-19页 |
| 2.2.2 主要参数 | 第19-20页 |
| 2.2.3 学习过程 | 第20-21页 |
| 2.2.4 回声状态网络预测 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 一种新的基于AFSA-ESN的热门话题预测模型 | 第23-41页 |
| 3.1 引言 | 第23页 |
| 3.2 人工鱼群算法 | 第23-26页 |
| 3.2.1 算法简介 | 第23-24页 |
| 3.2.2 算法原理 | 第24-26页 |
| 3.3 基于AFSA-ESN的热门话题预测新模型 | 第26-34页 |
| 3.3.1 预测模型的框架 | 第26-28页 |
| 3.3.2 预测模型的原理 | 第28-30页 |
| 3.3.3 预测模型的实现 | 第30-33页 |
| 3.3.4 预测模型时间复杂度分析 | 第33-34页 |
| 3.4 新模型的实验结果及分析 | 第34-40页 |
| 3.4.1 实验方案 | 第34-36页 |
| 3.4.2 结果分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 一种新的基于CS-ESN的热门话题预测模型 | 第41-60页 |
| 4.1 引言 | 第41页 |
| 4.2 布谷鸟算法 | 第41-43页 |
| 4.2.1 算法概述 | 第41-42页 |
| 4.2.2 算法原理 | 第42-43页 |
| 4.3 基于CS-ESN的热门话题预测新模型 | 第43-54页 |
| 4.3.1 预测模型的框架 | 第43-45页 |
| 4.3.2 预测模型原理 | 第45-46页 |
| 4.3.3 预测模型实现 | 第46-49页 |
| 4.3.4 预测模型时间复杂度分析 | 第49页 |
| 4.3.5 实验及结果分析 | 第49-54页 |
| 4.4 基于优化CS-ESN的热门话题预测模型 | 第54-59页 |
| 4.4.1 改进CS的思想 | 第54页 |
| 4.4.2 改进CS算法的原理与实验 | 第54-57页 |
| 4.4.3 基于优化CS-ESN的热门话题预测模型实验结果及分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 结论 | 第60-61页 |
| 进一步工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第67页 |
