首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于支持向量机的保健品消费者行为研究

摘要第1-6页
Abstract第6-14页
1 绪论第14-20页
   ·研究背景第14-15页
     ·现实背景第14页
     ·理论背景第14-15页
   ·研究意义第15-16页
     ·理论意义第15-16页
     ·现实意义第16页
   ·研究范围与目的第16-17页
   ·研究思路与方法第17-18页
     ·研究思路第17页
     ·研究方法第17-18页
   ·研究框架第18-19页
   ·本文创新点第19-20页
2 文献综述第20-30页
   ·消费者行为综述第20-21页
     ·消费者行为的概念第20-21页
     ·消费者行为的研究内容第21页
   ·国内外研究现状第21-23页
     ·国外研究成果第21-22页
     ·国内研究成果第22-23页
   ·我国保健品市场发展现状第23-28页
     ·我国保健品市场的发展阶段第23-25页
     ·我国保健品行业面临的挑战第25-26页
     ·我国保健品的发展趋势第26-28页
   ·本章小结第28-30页
3 SVM和BP神经网络算法模型第30-44页
   ·支持向量回归机模型第30-35页
     ·损失函数第30页
     ·线性支持向量回归机第30-33页
     ·核函数第33页
     ·非线性支持向量回归机第33-34页
     ·构建基于SVM的消费者行为模型第34-35页
   ·BP神经网络的基本原理第35-41页
     ·BP神经网络第35-37页
     ·BP神经网络算法的推导过程第37-39页
     ·BP神经网络算法的学习训练过程第39-41页
   ·比较分析SVM算法与BP网络算法的优缺点第41-42页
     ·SVM算法的优缺点第41-42页
     ·BP神经网络算法的优缺点第42页
     ·比较分析第42页
   ·本章小结第42-44页
4 研究设计第44-54页
   ·问卷设计与收集第44-45页
   ·数据分析第45-53页
     ·描述性统计分析第45-50页
     ·信度分析第50-51页
     ·效度分析第51-53页
   ·本章小结第53-54页
5 仿真实验与结果分析第54-62页
   ·数据的预处理第54-55页
   ·基于神经网络的仿真实验第55-58页
     ·基于神经网络的购买能力的预测第55-56页
     ·基于神经网络的实际购买的预测第56-58页
   ·基于SVM的仿真实验第58-60页
     ·基于SVM的购买能力的预测第59页
     ·基于SVM的实际购买的预测第59-60页
   ·实验结论第60-61页
   ·实证分析第61页
   ·本章小结第61-62页
6 研究结论与展望第62-64页
   ·研究的主要结论第62-63页
   ·后续研究的展望第63-64页
参考文献第64-68页
附录A 保健品消费情况调查第68-70页
附录B 九蜂堂蜂蜜购买因素调查第70-72页
致谢第72-74页
作者简介及读研期间主要科研成果第74页

论文共74页,点击 下载论文
上一篇:混合蚁群算法的研究与应用
下一篇:基于DSP和FPGA的光纤周界报警系统