| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第12-24页 |
| ·背景资料 | 第12-15页 |
| ·物流及其发展趋势 | 第12-13页 |
| ·客户关系管理 | 第13-14页 |
| ·决策支持系统 | 第14-15页 |
| ·涉及的关键技术及国内外研究现状 | 第15-20页 |
| ·第三方物流信息系统发展现状 | 第15页 |
| ·数据挖掘技术 | 第15-16页 |
| ·智能决策支持系统及研究现状 | 第16-19页 |
| ·客户价值及关键客户决策研究现状 | 第19-20页 |
| ·本文的研究背景、研究内容及组织结构 | 第20-24页 |
| ·论文研究背景 | 第20-22页 |
| ·主要研究内容 | 第22页 |
| ·论文组织结构 | 第22-24页 |
| 第二章 第三方物流客户数据的预测 | 第24-38页 |
| ·序言 | 第24页 |
| ·常用预测方法 | 第24-32页 |
| ·定性预测方法 | 第25页 |
| ·定量预测方法 | 第25-32页 |
| ·季节性时间序列预测 | 第32-33页 |
| ·变尺度季节性时间序列预测模型 | 第33-36页 |
| ·数据长度介于2到3年之间 | 第33-34页 |
| ·数据长度介于1到2年之间 | 第34页 |
| ·变尺度季节性时间序列预测模型 | 第34-36页 |
| ·第三方物流客户数据的预测 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 第三方物流客户聚类分析 | 第38-50页 |
| ·聚类简介 | 第38-39页 |
| ·概述 | 第38页 |
| ·相似性度量 | 第38-39页 |
| ·聚类算法 | 第39-43页 |
| ·聚类算法的分类 | 第39-41页 |
| ·K-MEDOIDS算法 | 第41-43页 |
| ·第三方物流中客户聚类分析 | 第43-49页 |
| ·聚类指标分析 | 第43-45页 |
| ·AHP方法确定权重 | 第45-47页 |
| ·相似性度量方法 | 第47-48页 |
| ·聚类步骤 | 第48页 |
| ·分类结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 关键客户评判的多方法融合式决策技术 | 第50-64页 |
| ·引言 | 第50-51页 |
| ·信息融合 | 第51-52页 |
| ·信息融合层次 | 第51页 |
| ·信息融合常用算法 | 第51-52页 |
| ·第三方物流企业关键客户评判的多方法融合式决策技术 | 第52-63页 |
| ·关键客户评价因子的确定 | 第52-53页 |
| ·用于决策支持的基本方法 | 第53-54页 |
| ·基于D-S证据理论的多方法融合式决策技术体系 | 第54-55页 |
| ·决策融合过程 | 第55-56页 |
| ·D-S合成器的设计 | 第56-61页 |
| ·客户决策结果分析 | 第61-62页 |
| ·特点分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 第三方物流关键客户决策支持系统的设计与实现 | 第64-86页 |
| ·总体目标 | 第64-66页 |
| ·引言 | 第64页 |
| ·需求分析 | 第64-66页 |
| ·系统设计 | 第66-70页 |
| ·总体设计 | 第66-67页 |
| ·统计分析 | 第67页 |
| ·预测分析 | 第67-68页 |
| ·淡旺季匹配 | 第68页 |
| ·基于多方法融合式决策支持的关键客户评判 | 第68-70页 |
| ·多维分析 | 第70页 |
| ·系统实现 | 第70-76页 |
| ·系统实现平台 | 第70-71页 |
| ·主要模块类图 | 第71-73页 |
| ·算法实例分析 | 第73-76页 |
| ·系统应用 | 第76-85页 |
| ·统计分析 | 第77-79页 |
| ·预测 | 第79-81页 |
| ·淡旺季匹配 | 第81-82页 |
| ·多维分析 | 第82-83页 |
| ·关键客户决策 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-89页 |
| ·总结 | 第86-87页 |
| ·有待进一步的研究 | 第87页 |
| ·研究展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间发表的论文 | 第94页 |
| 攻读硕士学位期间参研项目 | 第94页 |