| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11页 |
| 1.2 国内外主要研究现状 | 第11-13页 |
| 1.3 课题的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-17页 |
| 第2章 相关理论 | 第17-33页 |
| 2.1 模糊系统 | 第17-19页 |
| 2.1.1 纯模糊逻辑系统 | 第17页 |
| 2.1.2 Mamdani模糊逻辑系统 | 第17-18页 |
| 2.1.3 Takagi-Sugeno模糊逻辑系统 | 第18-19页 |
| 2.2 模糊神经网络 | 第19-24页 |
| 2.2.1 模糊逻辑和神经网络结合的可能性与现实意义 | 第19-21页 |
| 2.2.2 模糊神经网络学习算法 | 第21-24页 |
| 2.3 电影票房预测模型分析 | 第24-31页 |
| 2.3.1 Barman基于反馈神经网络的电影票房预测模型 | 第25-28页 |
| 2.3.2 Google基于线性回归分析的电影票房预测模型 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于模糊神经网络的电影票房预测模型构建 | 第33-49页 |
| 3.1 预测模型概述 | 第33-34页 |
| 3.2 指标体系构建 | 第34-42页 |
| 3.2.1 指标体系构建原则 | 第36-37页 |
| 3.2.2 指标因素量化 | 第37-41页 |
| 3.2.3 指标相关性分析 | 第41-42页 |
| 3.2.4 基于模糊神经网络预测模型的指标体系 | 第42页 |
| 3.3 预测模型构建 | 第42-47页 |
| 3.3.1 设计实现步骤 | 第42-43页 |
| 3.3.2 确定模型输入输出 | 第43页 |
| 3.3.3 确定模型网络结构 | 第43-46页 |
| 3.3.4 参数辨识 | 第46-47页 |
| 3.3.5 训练网络 | 第47页 |
| 3.3.6 检验模型 | 第47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 电影票房预测模型的评价与分析 | 第49-61页 |
| 4.1 票房预测模型概述 | 第49页 |
| 4.2 实验数据选取与预处理 | 第49-54页 |
| 4.2.1 原始数据选取 | 第49-51页 |
| 4.2.2 数据预处理 | 第51-53页 |
| 4.2.3 样本集的划分 | 第53-54页 |
| 4.3 网络训练与模型性能评价 | 第54-59页 |
| 4.3.1 网络训练及调整网络参数 | 第54-55页 |
| 4.3.2 使用本文指标体系对电影票房的预测 | 第55-57页 |
| 4.3.3 使用传统指标体系对电影票房的预测 | 第57-58页 |
| 4.3.4 使用多元线性回归方法对电影票房的预测 | 第58-59页 |
| 4.4 对比分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
