一种基于时间序列指数平滑的决策支持算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究背景 | 第10-14页 |
| ·时间序列分析法的产生及概述 | 第10-13页 |
| ·预测方法综述 | 第13页 |
| ·指数平滑模型的发展 | 第13-14页 |
| ·指数平滑法的优点及应用 | 第14-17页 |
| ·指数平滑法的优点 | 第15页 |
| ·指数平滑模型的应用 | 第15-16页 |
| ·指数平滑股票分析中的应用概述 | 第16-17页 |
| ·工作背景 | 第17-18页 |
| ·论文的研究内容及结构 | 第18-20页 |
| ·论文的研究内容 | 第18-19页 |
| ·论文的结构 | 第19-20页 |
| 第2章 指数平滑 | 第20-33页 |
| ·引言 | 第20-24页 |
| ·基于统计的时间序列预测 | 第20-22页 |
| ·指数平滑的产生 | 第22-24页 |
| ·几种指数平滑模型 | 第24-29页 |
| ·单指数平滑 | 第25-27页 |
| ·双指数平滑 | 第27-28页 |
| ·三指数平滑 | 第28-29页 |
| ·三种指数平滑方法特点 | 第29-32页 |
| ·三种模型的特点介绍 | 第30页 |
| ·三种指数平滑图形式例 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 参数优化算法 IDS | 第33-40页 |
| ·引言 | 第33页 |
| ·算法 IDS | 第33-39页 |
| ·算法 IGS的最佳测试点数 | 第33-36页 |
| ·算法 DS介绍 | 第36页 |
| ·算法 IDS | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 动态指数平滑模型 | 第40-48页 |
| ·引言 | 第40-41页 |
| ·动态指数平滑模型及其优势 | 第41-46页 |
| ·二次指数平滑模型 | 第41页 |
| ·动态二次指数平滑模型 | 第41-45页 |
| ·参数的选取 | 第45-46页 |
| ·新模型的优点 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第5章 模型实现及验证 | 第48-70页 |
| ·实现方法简介 | 第48-49页 |
| ·系统设计 | 第49-59页 |
| ·系统模块设计 | 第49-50页 |
| ·开发工具 | 第50-51页 |
| ·网络数据导入模块 | 第51-55页 |
| ·数据分析模块 | 第55-59页 |
| ·系统实践检验结果 | 第59-68页 |
| ·与传统指数平滑模型比较 | 第59-62页 |
| ·同神经网络算法的比较 | 第62-64页 |
| ·算法普遍性的检验 | 第64-68页 |
| ·新算法结果分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 作者简介 | 第78页 |
