| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-19页 |
| ·零售业库存控制的相关概念 | 第11-12页 |
| ·零售业的概念及范畴 | 第11-12页 |
| ·库存的概念 | 第12页 |
| ·库存控制的概念及目标 | 第12页 |
| ·传统零售业库存控制存在的问题及解决方案 | 第12-14页 |
| ·零售企业内部各部门之间目标冲突 | 第12-13页 |
| ·供应链上各成员之间信息流通不畅 | 第13-14页 |
| ·零售业库存周转时间偏长 | 第14页 |
| ·相关技术在零售业库存中的应用 | 第14-16页 |
| ·零售业库存模型研究现状 | 第16页 |
| ·论文的工作目标、研究内容、工作流程 | 第16-17页 |
| ·论文创新 | 第17-19页 |
| ·商品分类方法 | 第17-18页 |
| ·库存控制模型 | 第18-19页 |
| 2 聚类分析实现商品分类 | 第19-24页 |
| ·聚类的意义和目标 | 第19-20页 |
| ·聚类对象和聚类指标的选择 | 第20页 |
| ·选择聚类对象 | 第20页 |
| ·选择聚类指标 | 第20页 |
| ·商品聚类 | 第20-24页 |
| ·数据标准化处理 | 第20-21页 |
| ·利用快速聚类实现商品的分类 | 第21-23页 |
| ·聚类结果分析 | 第23-24页 |
| 3 节日性商品库存控制模型研究 | 第24-30页 |
| ·节日性商品的特点及模型选择 | 第24页 |
| ·灰色系统理论模型简介 | 第24-25页 |
| ·灰色系统理论建模机理及特点 | 第25-27页 |
| ·灰色理论模型实现节日性商品库存预测及预测结果验证 | 第27-29页 |
| ·灰色理论模型实现节日性商品库存预测 | 第27-28页 |
| ·预测结果分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 季节性商品库存控制模型研究 | 第30-42页 |
| ·季节性商品的特点及模型选择 | 第30页 |
| ·人工神经网络介绍 | 第30-31页 |
| ·人工神经网络的发展过程 | 第30页 |
| ·人工神经网络在库存控制中的应用现状 | 第30-31页 |
| ·BP人工神经网络介绍 | 第31-32页 |
| ·建立BP神经网络模型 | 第32-35页 |
| ·BP网络的确定 | 第32-34页 |
| ·网络学习与测试 | 第34-35页 |
| ·分析与预测 | 第35页 |
| ·BP神经网络实现季节性商品变化趋势及规律的预测 | 第35-40页 |
| ·问题描述 | 第35页 |
| ·输入输出向量设计 | 第35-36页 |
| ·BP网络设计 | 第36页 |
| ·网络训练 | 第36-39页 |
| ·网络测试 | 第39页 |
| ·利用BP神经网络进行预测 | 第39-40页 |
| ·灰色理论模型预测2008年最高月销售量及预测结果分析 | 第40页 |
| ·基于BP神经网络和灰色理论模型组合的库存控制模型 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 随机需求商品库存控制模型 | 第42-51页 |
| ·随机需求商品的特点 | 第42页 |
| ·预测的时间间隔 | 第42页 |
| ·建立时间序列 | 第42-45页 |
| ·异常值的剔出及缺失值数据的修补 | 第42-43页 |
| ·对时间序列数据的平稳性进行计算观察 | 第43-45页 |
| ·利用移动平均法实现需求预测 | 第45-46页 |
| ·移动平均法介绍 | 第45-46页 |
| ·移动平均实现需求预测 | 第46页 |
| ·使用ARMA模型实现需求预测 | 第46-49页 |
| ·ARMA模型简介 | 第47页 |
| ·使用ARMA模型进行预报 | 第47-49页 |
| ·GM(1，1)实现随机需求型商品的预测 | 第49-50页 |
| ·预测结果分析 | 第50-51页 |
| 6 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 作者简历 | 第54-56页 |
| 学位论文数据集 | 第56页 |
