| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究背景 | 第11-13页 |
| 1.2.1 选题研究背景 | 第11页 |
| 1.2.2 理论研究背景 | 第11-13页 |
| 1.3 本文解决的问题及章节安排 | 第13-15页 |
| 1.3.1 本文解决的问题 | 第13-14页 |
| 1.3.2 本文的结构 | 第14-15页 |
| 第二章 不确定性与模糊逻辑神经网络相关理论 | 第15-29页 |
| 2.1 不确定性相关理论 | 第15-20页 |
| 2.1.1 随机集及相关理论 | 第15-16页 |
| 2.1.2 模糊集合相关理论 | 第16-20页 |
| 2.2 模糊逻辑神经网络 | 第20-25页 |
| 2.2.1 模糊逻辑系统 | 第20-23页 |
| 2.2.2 模糊逻辑神经网络 | 第23-25页 |
| 2.3 模块化神经网络 | 第25-28页 |
| 2.3.1 模块化神经网络的概念 | 第25-26页 |
| 2.3.2 模块化神经网络的构建 | 第26-27页 |
| 2.3.3 模块化神经网络的应用 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 确定性模块化神经网络高校效益预测建模 | 第29-52页 |
| 3.1 高校资产资源配置项目研究背景 | 第29-39页 |
| 3.1.1 高校资产资源配置研究思路 | 第29页 |
| 3.1.2 高校资源配置效益评价 | 第29-36页 |
| 3.1.3 高校资源配置效益预测研究 | 第36-39页 |
| 3.2 模块化结构的神经网络学习算法 | 第39-42页 |
| 3.2.1 结构学习算法 | 第39-41页 |
| 3.2.2 参数学习算法 | 第41-42页 |
| 3.3 模块化BP神经网络高校效益预测 | 第42-51页 |
| 3.3.1 数据预处理 | 第42-46页 |
| 3.3.2 子网络建模 | 第46-48页 |
| 3.3.3 网络集成 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 混合不确定性模块化高校效益预测建模 | 第52-71页 |
| 4.1 模糊聚类相关算法理论 | 第53-54页 |
| 4.1.1 模糊聚类 | 第53页 |
| 4.1.2 模糊C-均值聚类 | 第53-54页 |
| 4.2 概率模糊集 | 第54-58页 |
| 4.2.1 混合事件的定义 | 第54-55页 |
| 4.2.2 概率模糊集的性质 | 第55-56页 |
| 4.2.3 概率模糊集的计算 | 第56-58页 |
| 4.3 混合不确定性模块化神经网络算法概述 | 第58-61页 |
| 4.4 混合不确定性模块化神经网络高校效益预测建模 | 第61-70页 |
| 4.4.1 数据预处理 | 第61-64页 |
| 4.4.2 子网络建模 | 第64-69页 |
| 4.4.3 网络集成与结果分析 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 附录 | 第74-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |