决策支持系统在物联网自动售货机上的应用研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 决策支持系统发展现状 | 第11-12页 |
| 1.2.2 自动售货机发展现状 | 第12-13页 |
| 1.3 决策支持系统在自动售货机上的应用 | 第13页 |
| 1.4 论文主要工作及章节安排 | 第13-16页 |
| 第2章 相关技术及总体设计思路 | 第16-24页 |
| 2.1 自动售货机远程监控系统设计 | 第16-19页 |
| 2.1.1 自动售货机远程监控系统总体结构分析 | 第16-18页 |
| 2.1.2 自动售货机远程监控网络 | 第18-19页 |
| 2.2 自动售货机在线管理系统 | 第19-20页 |
| 2.3 智能决策模块分析 | 第20-22页 |
| 2.3.1 数据挖掘技术研究 | 第20-21页 |
| 2.3.2 机器学习算法分析 | 第21-22页 |
| 2.4 总体思路 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 销量预测模型研究 | 第24-44页 |
| 3.1 销量影响因素分析 | 第24页 |
| 3.2 样本数据预处理方法研究 | 第24-25页 |
| 3.2.1 数据清洗 | 第24-25页 |
| 3.2.2 数据归一化处理 | 第25页 |
| 3.3 预测模型比较与选取 | 第25-30页 |
| 3.3.1 ARMA预测模型 | 第25-26页 |
| 3.3.2 Holt-Winters预测模型 | 第26-27页 |
| 3.3.3 BP神经网络预测模型 | 第27-30页 |
| 3.4 数据修正及混合模型的提出 | 第30-32页 |
| 3.5 预测结果及对比分析 | 第32-42页 |
| 3.5.1 数据缺失部分预测及结果分析 | 第32-36页 |
| 3.5.2 宏观预测及结果分析 | 第36-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 综合决策模型研究 | 第44-56页 |
| 4.1 决策方案优化 | 第44页 |
| 4.1.1 优化思路 | 第44页 |
| 4.1.2 优化方案设计 | 第44页 |
| 4.2 决策模型 | 第44-49页 |
| 4.2.1 决策树模型建立 | 第44-45页 |
| 4.2.2 C4.5算法研究 | 第45-47页 |
| 4.2.3 C4.5算法剪枝 | 第47-49页 |
| 4.3 改进的C4.5算法 | 第49-51页 |
| 4.3.1 C4.5算法改进的理论基础 | 第49页 |
| 4.3.2 改进的C4.5算法的流程 | 第49-51页 |
| 4.4 改进C4.5算法的验证 | 第51-52页 |
| 4.5 改进的C4.5算法在综合决策中的应用 | 第52-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 自动售货机决策支持系统的设计与实现 | 第56-66页 |
| 5.1 自动售货机决策支持系统功能 | 第56页 |
| 5.2 售货机信息管理模块 | 第56-59页 |
| 5.2.1 数据管理模块设计 | 第56-58页 |
| 5.2.2 数据库表设计 | 第58-59页 |
| 5.3 商品销量预测模型模块 | 第59-61页 |
| 5.3.1 预测模型设计 | 第59-60页 |
| 5.3.2 Java与R之间的调用 | 第60-61页 |
| 5.4 售货机决策支持系统人机交互模块 | 第61-62页 |
| 5.5 手机端App | 第62-64页 |
| 5.6 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |
