面向ERP数据挖掘技术的研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| Contents | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| ·本文研究内容及意义 | 第15-17页 |
| ·本文研究背景 | 第15-16页 |
| ·本文主要研究方面 | 第16页 |
| ·本文研究意义 | 第16-17页 |
| ·国内外的研究状况 | 第17-19页 |
| ·ERP | 第17-18页 |
| ·ERP概述 | 第17-18页 |
| ·ERP现状 | 第18页 |
| ·数据挖掘 | 第18-19页 |
| ·数据挖掘概述 | 第18-19页 |
| ·数据挖掘现状 | 第19页 |
| ·本文的主要工作 | 第19-20页 |
| ·展望 | 第20-21页 |
| 第二章 ERP数据挖掘的基本原理与体系结构 | 第21-37页 |
| ·数据挖掘的基本概念及特点 | 第21-22页 |
| ·数据挖掘的定义 | 第21页 |
| ·数据挖掘的特点 | 第21-22页 |
| ·数据挖掘的功能与任务 | 第22页 |
| ·数据挖掘的算法与技术 | 第22-25页 |
| ·数据挖掘的算法 | 第22-23页 |
| ·数据挖掘的常用技术 | 第23-25页 |
| ·数据挖掘的一般过程 | 第25-29页 |
| ·数据挖掘系统的构成 | 第29-33页 |
| ·ERP数据挖掘的基本原理 | 第33-35页 |
| ·ERP数据挖掘的体系结构 | 第35-37页 |
| 第三章 ERP数据挖掘的算法模型 | 第37-54页 |
| ·概述 | 第37页 |
| ·关联规则算法模型 | 第37-40页 |
| ·聚类分析 | 第40-43页 |
| ·凝聚方法 | 第40-42页 |
| ·分裂方法 | 第42-43页 |
| ·神经网络的算法模型 | 第43-54页 |
| ·神经元模型 | 第43-45页 |
| ·多层前馈神经网络及其反向传播算法 | 第45-54页 |
| ·反向传播算法 | 第46-51页 |
| ·激活函数 | 第51-52页 |
| ·学习率 | 第52-54页 |
| 第四章 ERP中销售数据挖掘的实现方法 | 第54-57页 |
| ·销售数据挖掘需求分析方法 | 第54页 |
| ·ERP销售中构建数据仓库的框架 | 第54-55页 |
| ·在ERP内部构建数据仓库 | 第55页 |
| ·构建分布式或集中式数据仓库 | 第55页 |
| ·数据仓库的系统开发生命周期 | 第55-56页 |
| ·挖掘数据 | 第56页 |
| ·评估 | 第56-57页 |
| 第五章 销售数据挖掘的开发与应用 | 第57-88页 |
| ·需求分析 | 第57-58页 |
| ·构建销售数据仓库的过程 | 第58-63页 |
| ·ERP销售管理的实体关系图 | 第58页 |
| ·数据仓库概念模型设计 | 第58-59页 |
| ·构建数据仓库的技术准备工作 | 第59-60页 |
| ·数据仓库逻辑模型设计 | 第60-62页 |
| ·数据仓库物理模型设计 | 第62页 |
| ·数据仓库的生成 | 第62-63页 |
| ·神经网络时间序列预测 | 第63-72页 |
| ·可行性分析 | 第63页 |
| ·通用逼近定理与网络层数选择 | 第63-65页 |
| ·网络结构参数 | 第65页 |
| ·使用前馈网络的时序处理 | 第65-66页 |
| ·短期记忆结构 | 第66-69页 |
| ·抽头延迟线记忆 | 第68-69页 |
| ·Gamma记忆 | 第69页 |
| ·通用短视映射定理。 | 第69-70页 |
| ·集中式时滞前馈神经网络 | 第70-72页 |
| ·程序开发 | 第72-83页 |
| ·创建DataAnalysisX项目 | 第72页 |
| ·连接数据仓库 | 第72页 |
| ·枚举表 | 第72-73页 |
| ·树形显示表 | 第73页 |
| ·浏览表 | 第73-75页 |
| ·实现挖掘功能 | 第75-83页 |
| ·神经网络数据结构 | 第78-79页 |
| ·初始化神经网络 | 第79-80页 |
| ·规范化 | 第80-81页 |
| ·前向通过 | 第81-82页 |
| ·反向通过 | 第82-83页 |
| ·应用实例 | 第83-87页 |
| ·本章小结 | 第87-88页 |
| 结论 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 攻读学位期间发表的论文 | 第92-93页 |
| 独创性声明 | 第93-94页 |
| 致谢 | 第94页 |
