声明
摘要
第1章 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 本文组织结构
第2章 人工神经网络
2.1 神经网络概述及种类
2.2 BP神经网络
2.2.1 BP神经网络结构
2.2.2 BP神经网络学习过程
2.2.3 BP神经网络优缺点及其改进方法
2.3 小波神经网络
2.3.1 小波变换理论
2.3.2 小波神经网络学习过程
2.3.3 小波神经网络特点
2.3.4 小波神经网络的发展及其学习算法进展
2.4 本章小结
第3章 粒子群算法介绍及其改进方法在优化小波神经网络中的应用
3.1 粒子群算法原理
3.2 粒子群算法数学描述
3.3 粒子群算法学习过程
3.4 粒子群算法改进方法
3.5 随机扰动粒子群优化算法
3.5.1 吸引算子
3.5.2 随机扰动思想
3.5.3 随机扰动粒子群算法学习过程
3.5.4 随机扰动粒子群算法性能比较
3.6 随机扰动粒子群-小波神经网络(SDPSO-WNN)模型
3.6.1 粒子群算法优化小波神经网络特点及其发展应用
3.6.2 SDPSO-WNN的学习过程
3.7 本章小结
第4章 SDPSO-WNN预测模型在经济预测中的应用
4.1 SDPSO-WNN在房地产市场中的应用
4.1.1 影响房价因素分析
4.1.2 SDPSO-WNN对全国商品房平均销售价格预测结果
4.2 SDPSO-WNN在乘用车市场中的应用
4.2.1 影响乘用车市场因素分析
4.2.2 SDPSO-WNN对乘用车市场销售量的预测结果
4.3 SDPSO-WNN缺陷分析
4.4 本章小结
第5章 总结及展望
5.1 全文总结
5.2 展望
参考文献
在校期间发表的论文和参与的项目
致谢
华中师范大学;