摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪 论 | 第10-19页 |
·选题背景及意义 | 第10-11页 |
·工程成本预测概述 | 第11-14页 |
·工程成本的含义 | 第11-12页 |
·项目工程成本预测的作用 | 第12-13页 |
·项目成本预测方法 | 第13-14页 |
·国内外研究现状 | 第14-16页 |
·国外研究现状 | 第14页 |
·国内研究现状 | 第14-15页 |
·存在的问题 | 第15-16页 |
·小波神经网络的研究现状与发展历史 | 第16-17页 |
·最早的小波神经网络基本模型 | 第16-17页 |
·国内的研究现状 | 第17页 |
·应用前景 | 第17-18页 |
·技术路线 | 第18页 |
·本文主要研究内容 | 第18-19页 |
第2章 小波分析及其分解重构算法的实现 | 第19-27页 |
·小波函数 | 第19-22页 |
·小波函数的定义 | 第19-20页 |
·给出几种小波函数 | 第20-21页 |
·小波函数的多分辨分析 | 第21页 |
·小波函数的构造 | 第21-22页 |
·小波函数的构造原理 | 第22页 |
·小波函数的构造实例 | 第22页 |
·小波变换的定义及性质 | 第22-23页 |
·小波变换的定义 | 第22页 |
·小波变换的性质 | 第22-23页 |
·小波分析的Mallat 算法 | 第23-24页 |
·分解与重构算法的实现 | 第24-26页 |
·分解与重构算法的初始化 | 第24-25页 |
·分解与重构算法的迭代 | 第25页 |
·分解与重构算法的终止 | 第25-26页 |
·本章小结 | 第26-27页 |
第3章 人工神经网络与小波神经网络 | 第27-44页 |
·人工神经网络概述 | 第27-34页 |
·人工神经网络的发展 | 第27-28页 |
·人工神经网络模型 | 第28-34页 |
·激活转移函数 | 第29-32页 |
·神经网络的学习 | 第32页 |
·神经网络的学习规则 | 第32-34页 |
·小波神经网络 | 第34-40页 |
·小波神经网络的产生与发展 | 第34-35页 |
·小波分析与人工神经网络的耦合关系 | 第35-37页 |
·小波神经网络的特征 | 第37-38页 |
·小波神经网络与其他神经网络的比较 | 第38-39页 |
·小波神经网络在实际中的应用 | 第39-40页 |
·小波神经网络的训练方法 | 第40-43页 |
·连续小波神经网络的训练方法 | 第40-41页 |
·隐含层节点数的选择 | 第41页 |
·连续小波权值初始化 | 第41-43页 |
·小波神经网络学习规则流程 | 第43页 |
·本章小结 | 第43-44页 |
第4章 粗集的属性约简算法及其应用 | 第44-52页 |
·粗集理论的基本内容 | 第44-47页 |
·知识与知识库 | 第44-45页 |
·粗集的基本概念 | 第45-46页 |
·知识表达系统 | 第46-47页 |
·粗集的约简算法 | 第47-48页 |
·粗集约简算法的应用研究与实例分析 | 第48-51页 |
·条件属性集和决策属性集 | 第48页 |
·属性的离散化和知识库的建立 | 第48-49页 |
·属性约简 | 第49-50页 |
·属性值约简 | 第50页 |
·结果分析 | 第50-51页 |
·本章小结 | 第51-52页 |
第5章 基于RS-WNN 的工程成本预测系统及其实现 | 第52-73页 |
·RS-WNN 系统概述 | 第52-53页 |
·建筑工程成本因素分析及数据采集 | 第53-63页 |
·门窗类型 | 第53-54页 |
·基础类别 | 第54页 |
·地基类别 | 第54页 |
·楼梯结构形式 | 第54页 |
·建筑用途 | 第54页 |
·结构类型 | 第54-55页 |
·项目管理水平 | 第55-60页 |
·未确知测度模型 | 第55-57页 |
·项目管理水平测评实例 | 第57-60页 |
·现场条件 | 第60-63页 |
·数据的离散化 | 第63-65页 |
·网络训练准备 | 第65-68页 |
·数据的预处理 | 第65-67页 |
·小波神经网络的结构和参数选取 | 第67-68页 |
·网络的训练和预测评估结果 | 第68-70页 |
·本系统的优越性 | 第70-72页 |
·本系统的不足之处 | 第72页 |
·本章小结 | 第72-73页 |
结论与展望 | 第73-74页 |
参考文献 | 第74-77页 |
附录1 | 第77-81页 |
附录2 | 第81-83页 |
致谢 | 第83-84页 |
作者简介 | 第84页 |
论文和参加科研情况说明 | 第84页 |