| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景及研究意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·成本预警相关研究 | 第12-14页 |
| ·数据挖掘技术应用于成本研究 | 第14-16页 |
| ·研究思路与内容 | 第16-19页 |
| ·研究思路 | 第16页 |
| ·研究方法 | 第16-17页 |
| ·论文框架及内容 | 第17-19页 |
| 第二章 相关理论基础 | 第19-33页 |
| ·成本预警相关理论 | 第19-21页 |
| ·预警概念 | 第19页 |
| ·成本预警概念 | 第19-20页 |
| ·成本预警与成本预测的关系 | 第20-21页 |
| ·数据挖掘定义 | 第21页 |
| ·数据挖掘方法 | 第21-33页 |
| ·BP神经网络方法 | 第21-26页 |
| ·支持向量机(SVM) | 第26-29页 |
| ·相似体合成(AC)算法 | 第29-33页 |
| 第三章 基于数据挖掘的成本预警模型构建 | 第33-51页 |
| ·成本预警模型构建思路 | 第33-34页 |
| ·纺织业成本预警指标体系构建 | 第34-41页 |
| ·纺织业成本影响因素分析 | 第34-38页 |
| ·指标体系构建原则 | 第38页 |
| ·建立成本预警初始指标体系 | 第38-40页 |
| ·构建最终成本预警指标体系 | 第40-41页 |
| ·警度和警限划分规则 | 第41-42页 |
| ·基于数据挖掘的成本预警模型设计 | 第42-51页 |
| ·数据样本来源和变量选取 | 第42-43页 |
| ·指标约简 | 第43-44页 |
| ·建立成本预警模型 | 第44-51页 |
| 第四章 基于数据挖掘的纺织业成本预警实证研究 | 第51-70页 |
| ·商业理解 | 第51页 |
| ·数据准备 | 第51-55页 |
| ·样本选取 | 第51-52页 |
| ·变量选择 | 第52-55页 |
| ·确定警度和警限 | 第55-56页 |
| ·变量筛选 | 第56-58页 |
| ·基于数据挖掘的纺织业成本预警研究 | 第58-70页 |
| ·一阶段成本警情的警度和强度分析 | 第58-64页 |
| ·二阶段成本警情预测 | 第64-67页 |
| ·成本预警结果分析 | 第67-68页 |
| ·建议 | 第68-70页 |
| 结论和展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 附录一 1980-2012年的警情指标和警兆指标数据 | 第78-83页 |
| 附录二 BP神经网络的Matlab程序代码 | 第83-84页 |
| 附录三 BP神经网络输出值与实际值对比 | 第84-85页 |
| 附录四 GA-SVM的Matlab程序代码 | 第85-86页 |
| 附录五 AC算法的Matlab程序代码 | 第86-87页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第87页 |