面向工程造价大数据的关键算法研究及应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 工程造价大数据相关问题阐述 | 第11-13页 |
| 1.2.1 工程造价大数据问题 | 第11页 |
| 1.2.2 清单数据规范化分类问题 | 第11-12页 |
| 1.2.3 清单综合单价的异常数据检测问题 | 第12-13页 |
| 1.3 工程造价大数据领域研究现状 | 第13-15页 |
| 1.4 文本分类相关问题研究现状 | 第15-16页 |
| 1.5 异常数据检测相关问题研究现状 | 第16-17页 |
| 1.6 论文主要工作 | 第17-19页 |
| 第二章 清单分类相关方法介绍 | 第19-29页 |
| 2.1 分词方法 | 第19-21页 |
| 2.1.1 基于词典和词库的分词方法 | 第19-21页 |
| 2.1.2 基于词频统计的分词方法 | 第21页 |
| 2.1.3 基于人工智能的分词方法 | 第21页 |
| 2.2 特征选取方法 | 第21-23页 |
| 2.2.1 互信息特征选取方法 | 第22页 |
| 2.2.2 信息增益特征选取方法 | 第22-23页 |
| 2.2.3 X~2统计特征选取方法 | 第23页 |
| 2.3 文本分类相关方法 | 第23-28页 |
| 2.3.1 基于规则库的传统方法 | 第24页 |
| 2.3.2 K最近邻分类方法 | 第24-25页 |
| 2.3.3 朴素贝叶斯分类方法 | 第25-26页 |
| 2.3.4 支持向量机分类方法 | 第26-27页 |
| 2.3.5 基于神经网络的分类方法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 工程造价清单规范化分类方法 | 第29-50页 |
| 3.1 清单规范化分类问题的解决思路 | 第29-30页 |
| 3.2 清单数据的特点及分类的难点 | 第30-31页 |
| 3.3 卷积神经网络清单分类方法及实验 | 第31-35页 |
| 3.3.1 卷积神经网络架构 | 第32-34页 |
| 3.3.2 卷积神经网络清单分类实验 | 第34-35页 |
| 3.4 基于编辑距离的K最近邻清单分类方法及实验 | 第35-39页 |
| 3.4.1 Levenshtein编辑距离 | 第36-37页 |
| 3.4.2 K最近邻清单分类方法 | 第37-38页 |
| 3.4.3 K最近邻清单分类实验 | 第38-39页 |
| 3.5 贝叶斯清单分类方法及实验 | 第39-47页 |
| 3.5.1 词袋模型 | 第41页 |
| 3.5.2 三种贝叶斯分类模型 | 第41-43页 |
| 3.5.3 拉普拉斯平滑 | 第43-44页 |
| 3.5.4 贝叶斯清单分类方法实验 | 第44-47页 |
| 3.6 三种清单分类方法效果的比较 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 工程造价清单异常数据检测方法 | 第50-60页 |
| 4.1 传统异常数据检测方法的不足 | 第50页 |
| 4.2 清单异常数据检测问题的数据集分析 | 第50-51页 |
| 4.3 异常数据检测问题的解决思路 | 第51-52页 |
| 4.4 清单综合单价的聚类方法 | 第52-53页 |
| 4.5 清单异常数据检测中的清单分类方法及实验 | 第53-56页 |
| 4.5.1 异常数据检测中的清单分类方法 | 第53-54页 |
| 4.5.2 异常数据检测中的清单分类方法实验 | 第54-56页 |
| 4.6 清单异常数据检测方法及实验 | 第56-59页 |
| 4.6.1 清单异常数据检测方法 | 第56-57页 |
| 4.6.2 清单异常数据检测方法实验 | 第57-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第五章 系统处理架构 | 第60-69页 |
| 5.1 清单规范化分类模块 | 第60-62页 |
| 5.1.1 清单规范化分类的训练模块 | 第61-62页 |
| 5.1.2 清单规范化分类的应用模块 | 第62页 |
| 5.2 清单综合的单价清单异常数据检测模块 | 第62-65页 |
| 5.2.1 综合单价的异常数据检测训练模块 | 第63-64页 |
| 5.2.2 清单异常数据检测应用模块 | 第64-65页 |
| 5.3 数据预处理和特征提取方法介绍 | 第65-68页 |
| 5.3.1 清单数据整合和分词 | 第66-67页 |
| 5.3.2 清单特征表示 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻硕期间取得的成果 | 第75页 |
