| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 1 绪论 | 第12-19页 |
| ·论文研究背景 | 第12-13页 |
| ·国内外研究现状分析 | 第13-17页 |
| ·景气指数的研究现状 | 第13-14页 |
| ·景气分析预测方法 | 第14-16页 |
| ·景气预测方法综合评述 | 第16-17页 |
| ·论文主要内容及创新点 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·创新点 | 第18-19页 |
| 2 企业经济景气指数预测理论基础 | 第19-28页 |
| ·经济景气波动与景气指数分析 | 第19-24页 |
| ·经济景气循环及景气指数概念 | 第19-20页 |
| ·经济景气监测理论概述 | 第20-24页 |
| ·企业经济景气指数预测理论分析 | 第24-28页 |
| ·企业经济景气调查与企业景气指数 | 第24-26页 |
| ·行业企业经济景气指数编制 | 第26-28页 |
| 3 粗糙集与最小二乘支持向量机预测模型 | 第28-43页 |
| ·粗糙集理论概述 | 第28-32页 |
| ·粗糙集理论及知识表示 | 第28-29页 |
| ·粗糙集知识约简及算法 | 第29-30页 |
| ·基于粗糙集的经济指标筛选 | 第30-32页 |
| ·支持向量机理论概述 | 第32-37页 |
| ·支持向量机概述 | 第32-34页 |
| ·支持向量机研究现状 | 第34-35页 |
| ·最小二乘支持向量机回归算法 | 第35-37页 |
| ·粒子群优化最小二乘支持向量机参数 | 第37-41页 |
| ·粒子群参数优化原理 | 第37-39页 |
| ·PSO优化LS-SVM参数 | 第39-41页 |
| ·RS预处理的PSO-LSSVM预测模型构建 | 第41-43页 |
| ·RS和LS-SVM结合理论分析 | 第41页 |
| ·基于RS-PSO-LSSVM预测模型 | 第41-43页 |
| 4 基于RS-PSO-LSSVM的工业企业景气指数预测 | 第43-54页 |
| ·指标体系建立及属性约简 | 第43-46页 |
| ·工业企业经济景气指标体系 | 第43-44页 |
| ·数据采集 | 第44页 |
| ·粗糙集指标筛选 | 第44-46页 |
| ·核函数及参数选择设定 | 第46页 |
| ·预测模型实证研究 | 第46-50页 |
| ·实证模型设定 | 第46-47页 |
| ·预测方案和评估标准 | 第47页 |
| ·预测结果分析 | 第47-50页 |
| ·与其他方法比较分析 | 第50-54页 |
| ·最小二乘支持向量机模型预测 | 第50-51页 |
| ·BP神经网络模型预测 | 第51页 |
| ·三种方法预测结果对比分析 | 第51-54页 |
| 5 结论与展望 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·对未来工作的展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 在校期间发表的论文、科研成果等 | 第62-63页 |
| 附录 | 第63-66页 |
| 致谢 | 第66页 |