| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景及目的 | 第10-11页 |
| ·产业损害预警系统的发展概况 | 第11-12页 |
| ·国外发展概况 | 第11页 |
| ·国内现状及问题 | 第11-12页 |
| ·研究意义与研究内容 | 第12-13页 |
| ·主要工作和论文结构 | 第13-16页 |
| ·主要工作 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 2 产业损害预警系统中理论与方法 | 第16-26页 |
| ·产业损害预警概念 | 第16-17页 |
| ·预警的概念 | 第16页 |
| ·产业损害的定义 | 第16页 |
| ·产业损害预警与预警指数 | 第16-17页 |
| ·产业损害指数预测的常用模型 | 第17-19页 |
| ·移动平均法 | 第17页 |
| ·指数平滑法 | 第17-18页 |
| ·多项式曲线趋势预测法 | 第18-19页 |
| ·人工神经网络理论 | 第19-26页 |
| ·人工神经网络概述 | 第19-20页 |
| ·人工神经网络的基本特征与优势 | 第20-21页 |
| ·人工神经网络的拓扑分类 | 第21-22页 |
| ·RBF 神经网络的结构及其特点 | 第22-26页 |
| 3 基于 Web 和神经网络的产业损害预警系统设计 | 第26-48页 |
| ·产业损害指标体系的设计 | 第26-30页 |
| ·产业损害指标体系建立的作用与原则 | 第26-27页 |
| ·产业损害指标体系的设计 | 第27-28页 |
| ·指标体系中各指标计算方法 | 第28-30页 |
| ·警情的区间划分 | 第30页 |
| ·基于改进 RBF 神经网络的产业损害预警算法设计 | 第30-34页 |
| ·RBF 神经网络的学习算法 | 第30-32页 |
| ·减聚类算法简介 | 第32-33页 |
| ·基于减聚类和 K-means 混合算法的 RBF 神经网络改进 | 第33-34页 |
| ·需求分析 | 第34-36页 |
| ·系统的目标分析 | 第34-35页 |
| ·系统的功能分析 | 第35页 |
| ·系统角色权限分析 | 第35-36页 |
| ·系统结构设计 | 第36-38页 |
| ·系统功能模块设计 | 第38-41页 |
| ·企业级用户子系统 | 第39-40页 |
| ·管理员子系统 | 第40-41页 |
| ·系统数据库设计 | 第41-48页 |
| ·数据库需求分析 | 第41-42页 |
| ·实体关系分析 | 第42页 |
| ·物理模型设计 | 第42-46页 |
| ·数据库连接模块实现 | 第46-48页 |
| 4 基于 Web 和神经网络的产业损害预警系统的实现 | 第48-60页 |
| ·系统开发环境 | 第48-50页 |
| ·ASP.NET 简介 | 第48页 |
| ·SQL Server 2005 数据库简介 | 第48-49页 |
| ·MATLAB Web Server | 第49-50页 |
| ·系统主要功能的实现 | 第50-60页 |
| ·用户登陆验证模块实现 | 第51-52页 |
| ·系统主框架 | 第52页 |
| ·数据提交模块 | 第52-53页 |
| ·数据权值管理模块 | 第53-54页 |
| ·用户管理模块 | 第54-55页 |
| ·新闻公告管理模块 | 第55-56页 |
| ·损害预警模块 | 第56-58页 |
| ·留言板模块 | 第58-60页 |
| 5 系统的应用分析与测试 | 第60-66页 |
| ·系统的应用分析 | 第60-63页 |
| ·系统的测试 | 第63-66页 |
| 6 总结和展望 | 第66-68页 |
| ·本文总结 | 第66页 |
| ·展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
