| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-21页 |
| ·研究课题的背景 | 第11-12页 |
| ·国内外相关理论的研究现状综述 | 第12-17页 |
| ·国内外关于促销优化的研究现状 | 第12-15页 |
| ·人工神经网络在销量预测中的应用 | 第15-16页 |
| ·国内外关于销量预测方法的最新研究进展 | 第16-17页 |
| ·本文的研究目的与意义 | 第17-18页 |
| ·本文的研究内容和研究方法 | 第18-20页 |
| ·本文的主要创新点 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第2章 促销产品销量预测的相关理论 | 第21-37页 |
| ·促销基本理论 | 第21-22页 |
| ·促销的定义 | 第21页 |
| ·促销的作用 | 第21-22页 |
| ·主成分分析法 | 第22-26页 |
| ·主成分分析法的基本原理 | 第22-24页 |
| ·主成分分析法的处理步骤 | 第24-26页 |
| ·BP神经网络 | 第26-33页 |
| ·BP神经网络的基本原理 | 第26-28页 |
| ·BP神经网络的训练 | 第28-30页 |
| ·BP神经网络的改进 | 第30-33页 |
| ·粒子群优化算法 | 第33-35页 |
| ·粒子群优化算法的基本原理 | 第33-34页 |
| ·粒子群优化算法流程 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第3章 S品牌服装促销影响因素分析 | 第37-47页 |
| ·S品牌服装简介 | 第37-38页 |
| ·影响促销产品销量的因素 | 第38-42页 |
| ·影响因素的选取及量化 | 第42-44页 |
| ·影响因素的主成分分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 基于PCA的PSO-BP销量预测模型的设计 | 第47-59页 |
| ·基于PCA的PSO-BP销量预测模型的基本思想 | 第47-49页 |
| ·主成分分析法与BP神经网络的结合 | 第47-48页 |
| ·粒子群优化算法与BP神经网络的结合 | 第48-49页 |
| ·基于PCA的PSO-BP销量预测模型的设计 | 第49-53页 |
| ·网络结构及初始参数设定 | 第53-57页 |
| ·BP网络结构及参数设定 | 第53-55页 |
| ·PSO算法的参数设定 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 实验与结果分析 | 第59-73页 |
| ·数据的选取 | 第59-60页 |
| ·数据归一化处理 | 第60页 |
| ·预测模型的Matlab建模 | 第60-65页 |
| ·粒子群优化算法优化BP网络参数 | 第61-63页 |
| ·BP网络学习 | 第63-65页 |
| ·模型预测过程 | 第65页 |
| ·预测结果分析 | 第65-70页 |
| ·不同预测模型的性能比较 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 一、总结 | 第73页 |
| 二、不足与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79-91页 |
| 附录一: S品牌衬衫相关数据情况 | 第79-80页 |
| 附录二: BP神经网络销量预测模型的Matlab代码 | 第80-82页 |
| 附录三: 主成分BP网络销量预测模型的Matlab代码 | 第82-84页 |
| 附录四: 基于PCA的PSO-BP销量预测模型的Matlab代码 | 第84-91页 |
| 攻读学位期间发表的学术论文 | 第91-93页 |
| 致谢 | 第93页 |
