| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景 | 第10-12页 |
| 1.2 选题数据来源 | 第12-13页 |
| 1.3 数据挖掘 | 第13-15页 |
| 1.4 本文的主要工作 | 第15页 |
| 1.5 本文的主要框架 | 第15-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第2章 理论知识介绍 | 第18-27页 |
| 2.1 预测算法简介 | 第18页 |
| 2.2 线性预测算法 | 第18-19页 |
| 2.3 几种神经网络预测算法 | 第19-21页 |
| 2.4 主成分分析 | 第21-24页 |
| 2.5 SPSS 和 MATLAB 介绍 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于主成分-神经网络的预测模型 | 第27-31页 |
| 3.1 主成分和神经网络相结合的思想 | 第27页 |
| 3.2 基于主成分-神经网络的预测模型 | 第27-29页 |
| 3.3 约束条件 | 第29页 |
| 3.4 研究意义 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 主成分-神经网络预测模型在社会固定资产投资统计数据分析中的应用 | 第31-45页 |
| 4.1 社会固定资产投资数据 | 第31-32页 |
| 4.2 线性预测模型在统计数据分析中的应用 | 第32-34页 |
| 4.3 神经网络预测模型在统计数据分析中的应用 | 第34-35页 |
| 4.4 主成分-神经网络预测模型在统计数据分析中的应用 | 第35-42页 |
| 4.4.1 数据预处理 | 第35-36页 |
| 4.4.2 主成分分析及实现 | 第36-41页 |
| 4.4.3 建立主成分-神经网络预测模型 | 第41-42页 |
| 4.5 几种预测模型结果比较 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 总结和展望 | 第45-47页 |
| 5.1 全文总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 作者简介及在学期间所取得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |