基于数据挖掘的销售预测决策支持系统研究
| 1 绪论 | 第1-18页 |
| 1．1 研究的背景及意义 | 第10-11页 |
| 1．2 国内外研究现状 | 第11-16页 |
| 1．3 研究思路及内容 | 第16-18页 |
| 1．3．1 研究的思路 | 第16页 |
| 1．3．2 研究的主要内容 | 第16-18页 |
| 2 销售预测决策支持系统总体设计 | 第18-34页 |
| 2．1 需求分析 | 第18-20页 |
| 2．2 系统的功能模块 | 第20-22页 |
| 2．2．1 人机交互模块 | 第20-21页 |
| 2．2．2 数据获取模块 | 第21-22页 |
| 2．2．3 预测分析模块 | 第22页 |
| 2．3 系统总体结构设计 | 第22-25页 |
| 2．3．1 系统总体结构 | 第22-23页 |
| 2．3．2 数据库 | 第23-24页 |
| 2．3．3 模型库 | 第24-25页 |
| 2．3．4 方法库 | 第25页 |
| 2．3．5 知识库 | 第25页 |
| 2．4 数据仓库的应用 | 第25-30页 |
| 2．4．1 数据仓库概述 | 第25-29页 |
| 2．4．2 联机分析处理 | 第29-30页 |
| 2．4．3 本系统应用数据仓库后的特点 | 第30页 |
| 2．5 数据挖掘技术的应用 | 第30-34页 |
| 2．5．1 数据挖掘概述 | 第30-32页 |
| 2．5．2 数据挖掘在本系统中解决的问题 | 第32-34页 |
| 3 销售预测决策支持系统数据仓库的设计 | 第34-44页 |
| 3．1 数据仓库设计的基本过程 | 第34-35页 |
| 3．2 需求分析 | 第35-36页 |
| 3．3 数据建模 | 第36-40页 |
| 3．3．1 概念模型设计 | 第36-37页 |
| 3．3．2 逻辑模型设计 | 第37-39页 |
| 3．3．3 物理模型设计 | 第39-40页 |
| 3．4 数据迁移过程 | 第40页 |
| 3．5 产品销售的多维分析 | 第40-44页 |
| 3．5．1 切片分析 | 第41-43页 |
| 3．5．2 切块分析 | 第43-44页 |
| 4 销售预测决策支持系统中的数据挖掘算法 | 第44-58页 |
| 4．1 应用数据挖掘进行销售预测的必要性分析 | 第44-45页 |
| 4．2 数据挖掘的基本过程 | 第45-47页 |
| 4．3 决策树算法描述及在销售预测中的应用 | 第47-50页 |
| 4．3．1 决策树算法 | 第47-48页 |
| 4．3．2 适用的问题 | 第48-49页 |
| 4．3．3 决策树算法在销售预测中的应用 | 第49-50页 |
| 4．4 神经网络算法描述及在销售预测中的应用 | 第50-53页 |
| 4．4．1 神经网络简介 | 第50-51页 |
| 4．4．2 BP神经网络算法描述 | 第51-52页 |
| 4．4．3 神经网络在销售预测中的应用 | 第52-53页 |
| 4．5 关联规则 | 第53-58页 |
| 4．5．1 关联规则的概念 | 第53-54页 |
| 4．5．2 Apriori挖掘算法 | 第54-56页 |
| 4．5．3 关联规则在销售预测中的应用 | 第56-58页 |
| 5 销售预测实例及其分析 | 第58-69页 |
| 5．1 数据来源 | 第58-59页 |
| 5．2 数据准备 | 第59-63页 |
| 5．2．1 数据选择 | 第59-61页 |
| 5．2．2 数据清洗和转换 | 第61-62页 |
| 5．2．3 多维数据浏览 | 第62-63页 |
| 5．3 数据挖掘模型的训练 | 第63-69页 |
| 5．3．1 BP神经网络参数选取 | 第64-65页 |
| 5．3．2 输入数据 | 第65-66页 |
| 5．3．3 销售预测 | 第66-69页 |
| 6 总结 | 第69-71页 |
| 参考文献 | 第71-74页 |
