bp神经网络模型下南农就业预测问题初探
目录
摘要3
关键词3
Abstract3
Key words3
引言3
1研究基础4
1.1论文研究背景 4
1.2论文研究意义4
1.3论文研究内容和方法4
2层次分析法4
2.1基本原理与步骤4
2.1.1基本原理..................4
2.1.2基本步骤.................5
2.1.3优点和缺点..................5
2.3结果分析........................................9
3模型预测及MATLAB算法的实现 10
3.1数据的选取10
3.2 BP神经网络模型的预测10
3.2.1模型简介10
3.2.2模型建立11
3.2.3数据预测11
3.3 MATLAB算法的实现12
4结论与展望 14
4.1结论...14
4.2展望...14
致谢14
参考文献14
BP神经网络模型下南农就业预测问题初探
Research of BP Network Forecasting Model on the employment of undergraduates majoring in information and computing science
Student majoring in Information and Computer Science Qi Su
Tutor Zhi Chen
Abstract: In this paper we analyze the employment problem of undergraduates of Nanjing Agricultural University. We mainly use the BP neural network model, base *好棒文|www.hbsrm.com +Q: ^351916072^
d on the data of the employment rate of undergraduates from 2011 to 2016 to build an employment forecast system. The aim is to forecast the employment situation in our school. This paper intersperse with the analytic hierarchy process to construct the professional disciplines which set up the model, from which the known influence of discipline setting and employment factors of the weight order, to guide our school discipline. Then the principle and algorithm of BP neural network model are introduced, and the final prediction value of the model is compared and analyzed. And finally complete the employment forecast for 2017 and prospects for future research work.
引言
引言
1 研究基础
1.1 论文研究背景
1.2 论文的研究意义
1.3 论文的研究内容和研究方法
2 层次分析法
层次分析法的发展较早，是以美国运筹学家为代表的所创立的一门决策科学。这门科学结合了专家的宏观把握（定性）和严谨的数学计算（定量），突破了很多传统意义上的决策法所不能达到的界限。
2.1基本原理与步骤
2.1.1 基本原理
层次分析法[1]的使用首先要把需要解决的问题进行“层次化”，构造目标层（解决的最终问题）、准则层（中间层）和方案层（因素层），然后将他们排序，代入相应的层次。换句话说，层次分析法就是将繁琐的待解决的问题拆分成许多因素，然后把这些因素按照他们的所属关系形成层次。在这个层次中，下层因素属于上层因素，因此这种方法的亮点在于将许多杂糅的问题都拆分成他们的组成因素，从这些因素入手进行比较，判断他们的权值，然后返回到根本问题上去，同时再结合一些专家的建议和判断，即可完成对层次模型的构造。
基本步骤
（1）对比尺度的构造
选择目标因素，将目标因素拆分成许多指标，结合专家的建议和历史经验，构造不同等级的对比尺度，即尺度越大，因素之间的差距就越大。
（2）对比矩阵的构造
我们结合上一步构造出来的对比尺度，运用成对比较法，以第二层为起始，对下层因素构造对比矩阵，一直到最后一层。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1732.html
