基于小波网络的数据挖掘技术及其在销售预测中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第8-14页 |
| ·选题背景及意义 | 第8-9页 |
| ·国内外研究状况文献综述 | 第9-12页 |
| ·销售预测研究进展 | 第9-10页 |
| ·基于小波神经网络的数据挖掘技术研究进展 | 第10-12页 |
| ·本论文研究的主要内容 | 第12-14页 |
| 第2章 支持销售预测的数据挖掘技术研究 | 第14-22页 |
| ·销售预测的研究内容分析 | 第14-16页 |
| ·销售量预测问题描述及现状分析 | 第14-15页 |
| ·潜在销售对象预测问题描述及现状分析 | 第15页 |
| ·销售预测需要数据挖掘技术的支持 | 第15-16页 |
| ·支持销售预测的数据挖掘系统框架及一般方法 | 第16-20页 |
| ·数据挖掘系统框架 | 第16-17页 |
| ·数据挖掘一般方法 | 第17-20页 |
| ·数据挖掘技术在销售预测应用中面临的问题和挑战 | 第20-22页 |
| ·挖掘算法的效率和可伸缩性 | 第20页 |
| ·挖掘算法与应用领域知识的结合 | 第20-21页 |
| ·各种规则的挖掘 | 第21页 |
| ·处理不同类型的数据和数据源 | 第21页 |
| ·数据挖掘系统交互性 | 第21-22页 |
| 第3章 销售预测的方法分析 | 第22-27页 |
| ·预测方法的选择分析 | 第22-24页 |
| ·传统预测方法及其发展 | 第22-23页 |
| ·销售预测的神经网络方法与其它方法的比较分析 | 第23-24页 |
| ·神经网络基本理论 | 第24-25页 |
| ·神经网络预测的理论基础 | 第24-25页 |
| ·BP网络 | 第25页 |
| ·小波神经网络的提出 | 第25-27页 |
| 第4章 销售预测的小波神经网络模型 | 第27-40页 |
| ·小波神经网络理论 | 第27-33页 |
| ·小波分析 | 第27-29页 |
| ·小波神经网络及其学习算法概述 | 第29-33页 |
| ·销售预测的小波神经网络模型 | 第33-40页 |
| ·引入框架 | 第33-35页 |
| ·单尺度小波框架 | 第35-36页 |
| ·销售预测的小波神经网络模型结构 | 第36-37页 |
| ·小波基分量的选取 | 第37-40页 |
| 第5章 小波神经网络的遗传BP混合学习算法 | 第40-51页 |
| ·遗传算法基本思想及步骤 | 第40-42页 |
| ·遗传算法的优化机理 | 第42-44页 |
| ·小波神经网络的遗传BP混合学习算法 | 第44-51页 |
| ·遗传BP混合学习算法 | 第44-47页 |
| ·混合学习算法中遗传算法的具体实现 | 第47-51页 |
| 第6章 实证分析 | 第51-58页 |
| ·在销售量预测中的应用实例 | 第51-54页 |
| ·在潜在销售对象预测中的应用实例 | 第54-57页 |
| ·小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第65-66页 |
| 附录B (销售量预测数据集) | 第66-67页 |
| 附录C (潜在销售对象预测数据集示例) | 第67-69页 |
| 附录D (部分典型源程序) | 第69-76页 |
