数据挖掘算法研究及在电子商务中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1．1 引言 | 第8页 |
| 1．2 数据挖掘技术研究现状 | 第8-10页 |
| 1．3 论文研究背景和主要研究内容 | 第10页 |
| 1．4 论文的组织结构 | 第10-12页 |
| 第二章 数据挖掘技术 | 第12-17页 |
| 2．1 数据挖掘概述 | 第12-13页 |
| 2．2 数据挖掘功能 | 第13-15页 |
| 2．3 数据挖掘过程 | 第15-17页 |
| 第三章 面向电子商务的数据挖掘系统设计 | 第17-25页 |
| 3．1 面向电子商务的数据挖掘系统 | 第17-19页 |
| 3．1．1 电子商务平台概述 | 第17-18页 |
| 3．1．2 数据挖掘系统概述 | 第18-19页 |
| 3．2 数据挖掘系统体系结构 | 第19-20页 |
| 3．3 数据挖掘系统功能设计 | 第20-25页 |
| 3．3．1 系统总体功能设计 | 第20-22页 |
| 3．3．2 商品销售情况分析 | 第22-23页 |
| 3．3．3 物流配送点库存预测 | 第23-25页 |
| 第四章 面向属性归纳法的研究 | 第25-38页 |
| 4．1 面向属性归纳法 | 第25-30页 |
| 4．1．1 面向属性归纳概述 | 第25-26页 |
| 4．1．2 面向属性归纳算法 | 第26-28页 |
| 4．1．3 量化规则 | 第28-30页 |
| 4．2 销售数据分析中面向属性归纳法的研究 | 第30-38页 |
| 4．2．1 电子商务平台上销售数据分析的特点 | 第30页 |
| 4．2．2 增量式面向属性归纳法的提出 | 第30-31页 |
| 4．2．3 增量式面向属性归纳算法 | 第31-32页 |
| 4．2．4 销售数据分析实例 | 第32-38页 |
| 第五章 神经网络预测技术的研究 | 第38-56页 |
| 5．1 神经网络预测库存数量的可行性分析 | 第38-39页 |
| 5．2 BP神经网络 | 第39-45页 |
| 5．2．1 人工神经元模型 | 第39-41页 |
| 5．2．2 BP神经网络模型 | 第41-42页 |
| 5．2．3 BP学习算法 | 第42-45页 |
| 5．3 BP算法的改进 | 第45-50页 |
| 5．3．1 BP算法的局限性 | 第45-46页 |
| 5．3．2 BP算法的改进 | 第46-48页 |
| 5．3．3 验证改进的BP算法 | 第48-50页 |
| 5．4 BP神经网络的设计 | 第50-55页 |
| 5．4．1 训练样本选择和预处理 | 第50-52页 |
| 5．4．2 网络结构设计 | 第52-53页 |
| 5．4．3 参数初始值的选择 | 第53-54页 |
| 5．4．4 训练和测试 | 第54-55页 |
| 5．5 BP神经网络预测库存数量实例分析 | 第55-56页 |
| 第六章 数据挖掘系统的实现 | 第56-64页 |
| 6．1 系统开发平台选择 | 第56页 |
| 6．2 系统运行 | 第56-64页 |
| 6．2．1 商品销售兴趣度分析运行结果 | 第57-59页 |
| 6．2．2 物流配送点库存数量预测运行结果 | 第59-64页 |
| 第七章 总结和展望 | 第64-66页 |
| 7．1 总结 | 第64-65页 |
| 7．2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录1 | 第70-71页 |
| 附录2 | 第71-72页 |
