基于数据挖掘的模具交货期预测问题研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-22页 |
| ·研究背景 | 第13-14页 |
| ·中国模具制造业的现状 | 第13页 |
| ·数据挖掘技术在生产决策中的应用 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·本文主要内容 | 第18-22页 |
| ·问题描述 | 第18页 |
| ·本文研究目标 | 第18-19页 |
| ·主要思路 | 第19页 |
| ·本文章节 | 第19-22页 |
| 第二章 影响交货期的因素分析与特征选取 | 第22-30页 |
| ·引言 | 第22页 |
| ·模具生产过程简化 | 第22-23页 |
| ·交货期影响因素分析 | 第23-25页 |
| ·静态因素 | 第23-24页 |
| ·动态因素 | 第24-25页 |
| ·其它 | 第25页 |
| ·特征相关性分析 | 第25-29页 |
| ·特征数据预处理 | 第25-27页 |
| ·相关性结论 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 BP神经网络交货期预测模型构建 | 第30-40页 |
| ·引言 | 第30-32页 |
| ·BP神经网络设计 | 第32-34页 |
| ·样本数据归一化 | 第34-36页 |
| ·BP神经网络的实现 | 第36-39页 |
| ·Matlab中BP神经网络相关函数 | 第36-37页 |
| ·Matlab的程序实现 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 BP神经网络交货期预测模型训练 | 第40-53页 |
| ·引言 | 第40页 |
| ·BP神经网络的训练方案 | 第40页 |
| ·BP神经网络的初始设置 | 第40-42页 |
| ·训练样本和初始参数的选择 | 第40-41页 |
| ·误差的评定指标 | 第41页 |
| ·终止条件 | 第41页 |
| ·训练过程中可能遇到的问题 | 第41-42页 |
| ·选择训练算法和隐含层 | 第42-47页 |
| ·使用梯度下降法训练网络 | 第42-43页 |
| ·使用有动量的梯度下降法训练网络 | 第43-45页 |
| ·使用自适应学习率梯度下降法训练网络 | 第45-46页 |
| ·使用LM算法训练网络 | 第46-47页 |
| ·交货期预测模型验证分析 | 第47-52页 |
| ·预测模型的评估 | 第47-50页 |
| ·预测误差分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 模具交货期预测系统的设计与实现 | 第53-62页 |
| ·引言 | 第53页 |
| ·系统需求分析 | 第53-55页 |
| ·系统目标 | 第53-54页 |
| ·系统职责 | 第54-55页 |
| ·系统设计与实现 | 第55-58页 |
| ·系统开发环境与体系结构 | 第55-56页 |
| ·系统功能模块设计 | 第56-57页 |
| ·系统数据库设计 | 第57-58页 |
| ·系统运行实例 | 第58-61页 |
| ·系统的运行环境 | 第58页 |
| ·基础信息管理 | 第58-59页 |
| ·交货期特征数据抽取 | 第59页 |
| ·交货期预测管理 | 第59-60页 |
| ·交货期预测查询 | 第60-61页 |
| ·系统的应用效果 | 第61页 |
| ·本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 研究结论 | 第62-63页 |
| 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-71页 |
