BP算法改进及在软件成本估算中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第13-21页 |
| 1.1 问题的提出 | 第13-16页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 研究内容和方法 | 第18-20页 |
| 1.4 论文结构 | 第20-21页 |
| 2 软件成本估算基础 | 第21-35页 |
| 2.1 软件成本估算概述 | 第21-22页 |
| 2.1.1 软件成本估算概念 | 第21-22页 |
| 2.1.2 软件成本的范畴 | 第22页 |
| 2.2 软件成本估算方法 | 第22-28页 |
| 2.2.1 专家估算方法 | 第22-24页 |
| 2.2.2 自下而上估算法 | 第24页 |
| 2.2.3 类比估算法 | 第24-26页 |
| 2.2.4 COCOMO模型 | 第26-27页 |
| 2.2.5 其他的估算法 | 第27-28页 |
| 2.3 影响软件成本估算的因素 | 第28-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 BP神经网络的相关理论 | 第35-49页 |
| 3.1 BP算法原理 | 第35页 |
| 3.2 BP算法数学表达式 | 第35-39页 |
| 3.3 BP算法学习过程 | 第39-40页 |
| 3.4 BP算法存在的问题 | 第40-41页 |
| 3.5 BP算法的改进现状 | 第41-44页 |
| 3.5.1 学习率可变法 | 第41-42页 |
| 3.5.2 拟牛顿法 | 第42-43页 |
| 3.5.3 LM算法 | 第43页 |
| 3.5.4 弹性BP算法 | 第43-44页 |
| 3.5.5 变梯度算法 | 第44页 |
| 3.5.6 模拟退火算法 | 第44页 |
| 3.6 BP网络设计的基本方法 | 第44-47页 |
| 3.7 本章小结 | 第47-49页 |
| 4 基于遗传算法的BP算法改进 | 第49-57页 |
| 4.1 遗传算法原理 | 第49-50页 |
| 4.2 基于遗传算法的BP算法改进 | 第50-54页 |
| 4.2.1 自适应学习率BP算法改进 | 第50-51页 |
| 4.2.2 附加动量项BP算法改进 | 第51页 |
| 4.2.3 遗传算法优化BP算法设计 | 第51-54页 |
| 4.3 改进BP算法的步骤描述 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 基于BP改进算法的软件成本估算 | 第57-65页 |
| 5.1 BP网络构建软件成本估算模型 | 第57-59页 |
| 5.1.1 BP神经网络的构建 | 第57-58页 |
| 5.1.2 BP改进算法的具体步骤 | 第58-59页 |
| 5.2 改进前后BP算法的结果比较 | 第59-64页 |
| 5.2.1 MATLAB仿真工具 | 第59-60页 |
| 5.2.2 神经网络工具箱函数 | 第60-62页 |
| 5.2.3 输出结果比较 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6 海陆联运物流系统的成本估算实例 | 第65-75页 |
| 6.1 软件项目背景 | 第65-66页 |
| 6.2 项目资源需求 | 第66-68页 |
| 6.3 项目功能描述 | 第68-71页 |
| 6.4 项目成本估算 | 第71-74页 |
| 6.5 本章小结 | 第74-75页 |
| 7 总结和展望 | 第75-77页 |
| 7.1 总结 | 第75页 |
| 7.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 附录 | 第81-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间发表的学术论文 | 第88-89页 |
