| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景、意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第二章 相关理论概述 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 企业决策支持系统(DSS)概述 | 第12-14页 |
| 2.2.1 决策支持系统的概念 | 第12页 |
| 2.2.2 企业决策支持系统研究的必要性 | 第12-13页 |
| 2.2.3 企业决策支持系统的应用分析 | 第13-14页 |
| 2.3 销售预测 | 第14-16页 |
| 2.3.1 销售预测的涵义 | 第14页 |
| 2.3.2 销售预测的作用和重要性 | 第14-15页 |
| 2.3.3 预测误差与预测精度 | 第15-16页 |
| 2.4 客户细分 | 第16-19页 |
| 2.4.1 客户细分的内涵 | 第16页 |
| 2.4.2 客户细分的意义 | 第16-17页 |
| 2.4.3 客户细分的方法与步骤 | 第17-19页 |
| 第三章 遗传算法优化BP神经网络预测模型 | 第19-34页 |
| 3.1 引言 | 第19页 |
| 3.2 BP神经网络 | 第19-25页 |
| 3.2.1 人工神经网络发展概述 | 第19-20页 |
| 3.2.2 BP神经网络 | 第20-22页 |
| 3.2.3 神经网络模型的选择 | 第22-25页 |
| 3.3 遗传算法 | 第25-27页 |
| 3.3.1 遗传算法概述 | 第25-26页 |
| 3.3.2 遗传算法的基本流程 | 第26-27页 |
| 3.4 遗传算法优化的神经网络在销售预测中的研究 | 第27-33页 |
| 3.4.1 遗传算法优化BP神经网络 | 第27-29页 |
| 3.4.2 遗传算法优化BP神经网络仿真实验分析 | 第29-31页 |
| 3.4.3 遗传算法优化BP神经网络在销售预测中应用 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 多维交叉客户细分模型 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 客户细分维度 | 第34-36页 |
| 4.2.1 客户忠诚度 | 第34-35页 |
| 4.2.2 客户价值 | 第35-36页 |
| 4.3 基于客户忠诚度的客户细分 | 第36-39页 |
| 4.3.1 决策树原理 | 第36-37页 |
| 4.3.2 决策树的构造 | 第37-39页 |
| 4.4 基于APK-means算法的客户细分 | 第39-44页 |
| 4.4.1 K-means算法 | 第39-40页 |
| 4.4.2 AP算法 | 第40-41页 |
| 4.4.3 APK-means算法 | 第41-43页 |
| 4.4.4 使用APK-means算法对客户进行聚类分析 | 第43-44页 |
| 4.5 多维交叉客户细分模型 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 5.1 全文总结 | 第46页 |
| 5.2 研究展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间的研究成果 | 第50页 |