| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11-14页 |
| ·研究的目的和意义 | 第14-15页 |
| ·研究内容 | 第15-16页 |
| ·论文的组织形式 | 第16-18页 |
| 第2章 多维数据分析与多维矩阵 | 第18-30页 |
| ·前言 | 第18页 |
| ·基于数据仓库的多维数据分析 | 第18-26页 |
| ·数据仓库概述 | 第18-21页 |
| ·数据仓库的多维数据集和多维数据模型 | 第21-24页 |
| ·联机分析处理 | 第24-25页 |
| ·数据立方体 | 第25-26页 |
| ·多维矩阵 | 第26-28页 |
| ·多维矩阵的定义 | 第26页 |
| ·多维矩阵的运算性质 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 基于多维数据分析的神经网络构造与计算 | 第30-52页 |
| ·人工神经网络概述 | 第30-35页 |
| ·什么是神经网络 | 第30页 |
| ·神经网络的形式化模型 | 第30-32页 |
| ·神经网络的分类及拓扑结构 | 第32-33页 |
| ·神经网络的学习规则 | 第33-35页 |
| ·神经网络的应用 | 第35页 |
| ·无监督学习的凸约束神经网络结构及算法 | 第35-42页 |
| ·凸约束神经网络模型 | 第36-38页 |
| ·凸约束下的广义最小二乘模型 | 第38-39页 |
| ·集间的交互投影及收敛性 | 第39-41页 |
| ·算例 | 第41-42页 |
| ·贝叶斯网络先验分布密度核估计的优良性 | 第42-50页 |
| ·朴素贝叶斯 | 第43-44页 |
| ·正交多项式核函数的构造 | 第44-46页 |
| ·贝叶斯网络先验分布密度核估计的连续性及光滑性 | 第46-48页 |
| ·贝叶斯网络先验分布密度及其导数核估计的收敛性 | 第48-50页 |
| ·比较与结论 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第4章 一类新型神经网络及其应用 | 第52-69页 |
| ·前言 | 第52页 |
| ·基于随机前沿面模型和分岔神经网络的TFP测度 | 第52-60页 |
| ·生产函数与TFP | 第53-54页 |
| ·随机前沿面模型 | 第54-56页 |
| ·基于随机前沿面函数的TFP测度 | 第56页 |
| ·随机前沿面模型在分岔神经网络中的实现 | 第56-58页 |
| ·算例 | 第58-60页 |
| ·基于Malmquist函数和半监督异构神经网络的TFP测度 | 第60-68页 |
| ·基于神经网络的使用生产函数计算TFP测度 | 第61-62页 |
| ·基于神经网络的使用马奎斯特指数计算TFP | 第62-63页 |
| ·基于神经网络的使用投入产出表计算TFP | 第63-65页 |
| ·使用半监督异构神经网络进行TFP测度 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 基于多维数据分析的分布式计算 | 第69-83页 |
| ·前言 | 第69页 |
| ·多对象结构方程模型的分布式计算 | 第69-76页 |
| ·结构方程模型 | 第70-73页 |
| ·多对象结构方程模型及分布式计算 | 第73-74页 |
| ·多对象评估SEM中凸约束最小二乘解 | 第74-76页 |
| ·比较与结论 | 第76页 |
| ·多元曲线漂移模型销售曲线预测的分布式计算 | 第76-82页 |
| ·多元曲线漂移模型 | 第77-79页 |
| ·分布获得拟合漂移曲线 | 第79页 |
| ·确定漂移参数和预测曲线 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第6章 若干分布式计算及其应用 | 第83-104页 |
| ·前言 | 第83页 |
| ·一般分布函数表的Monte Carlo分布式计算 | 第83-89页 |
| ·伪随机数的分布式发生 | 第84-85页 |
| ·分布函数表的Monte Carlo分布式计算 | 第85-88页 |
| ·单位根过程检验的分位点计算 | 第88-89页 |
| ·蛋白质分子构造的分布式计算 | 第89-96页 |
| ·一个简洁的分解算法 | 第90-92页 |
| ·改进的计算机列举算法 | 第92-95页 |
| ·分布式计算的实现 | 第95-96页 |
| ·MOS管寿命分布的负指数矩估计及其分布式计算 | 第96-102页 |
| ·MOS管寿命模型及其分布 | 第97-98页 |
| ·寿命模型参数的负指数矩估计 | 第98-100页 |
| ·截尾实验下的参数估计 | 第100-101页 |
| ·模型验证及分布式计算 | 第101-102页 |
| ·本章小结 | 第102-104页 |
| 第7章 基于多维数据分析的神经网络与分布式计算综合应用 | 第104-114页 |
| ·顾客满意度指数测评系统理论研究 | 第104-110页 |
| ·顾客满意度指数测评系统的实现 | 第110-114页 |
| ·系统设计 | 第110-111页 |
| ·主要人机交互界面 | 第111-114页 |
| 第8章 总结和展望 | 第114-117页 |
| ·本文的主要研究成果和创新 | 第114-115页 |
| ·进一步的研究设想 | 第115-117页 |
| 参考文献 | 第117-124页 |
| 致谢 | 第124-125页 |
| 攻读博士期间的科研成果 | 第125-126页 |
