基于BP网络的卷烟销售违规预测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| 1．1 本研究课题的学术背景 | 第8页 |
| 1．2 数据挖掘在国内外的研究与应用现状 | 第8-10页 |
| 1．3 选题意义和工作概要 | 第10-11页 |
| 1．3．1 选题意义 | 第10-11页 |
| 1．3．2 所做的主要的工作 | 第11页 |
| 1．4 论文的组织 | 第11-13页 |
| 第二章 数据挖掘基础 | 第13-21页 |
| 2．1 数据挖掘的概念 | 第13-14页 |
| 2．1．1 数据挖掘产生的基础 | 第13页 |
| 2．1．2 什么是数据挖掘 | 第13-14页 |
| 2．2 数据挖掘的类型 | 第14页 |
| 2．3 分类问题 | 第14-16页 |
| 2．4 决策树分类 | 第16-19页 |
| 2．4．1 决策树分类简介 | 第16-17页 |
| 2．4．2 决策树的基本生成算法 | 第17-18页 |
| 2．4．3 决策树的剪枝 | 第18-19页 |
| 2．5 数据挖掘的过程 | 第19-20页 |
| 2．6 本章小结 | 第20-21页 |
| 第三章 BP网络 | 第21-33页 |
| 3．1 人工神经网络基础 | 第21-26页 |
| 3．1．1 人工神经网络工作原理 | 第21-23页 |
| 3．1．2 人工神经网络主要结构 | 第23-24页 |
| 3．1．3 人工神经网络的学习及算法 | 第24-25页 |
| 3．1．4 人工神经网络的特点 | 第25-26页 |
| 3．1．5 人工神经网络的分类功能 | 第26页 |
| 3．2 BP网络的结构 | 第26-27页 |
| 3．3 网络的训练过程 | 第27页 |
| 3．4 后向传播分析 | 第27-30页 |
| 3．5 BP算法的描述 | 第30-32页 |
| 3．6 BP算法的缺点 | 第32页 |
| 3．7 本章小结 | 第32-33页 |
| 第四章 卷烟销售数据分析及预处理 | 第33-41页 |
| 4．1 卷烟销售特点 | 第33-34页 |
| 4．1．1 卷烟销售过程 | 第33页 |
| 4．1．2 卷烟销售违规分析 | 第33-34页 |
| 4．1．3 卷烟销售违规预测分析内容及目标 | 第34页 |
| 4．2 数据的选取与获得 | 第34页 |
| 4．3 数据挖掘算法的选择 | 第34-35页 |
| 4．4 数据预处理 | 第35-40页 |
| 4．5 本章小结 | 第40-41页 |
| 第五章 卷烟销售违规预测模型的建立 | 第41-51页 |
| 5．1 网络的结构 | 第41-42页 |
| 5．1．1 输入层和输出层的设计 | 第41页 |
| 5．1．2 隐含层数和层内节点数的选择 | 第41-42页 |
| 5．2 训练样本的选取与处理 | 第42页 |
| 5．3 算法的设计 | 第42-45页 |
| 5．3．1 主要的数据结构及公式 | 第43-44页 |
| 5．3．2 算法的主要实现步骤 | 第44-45页 |
| 5．4 网络的训练与检测 | 第45-46页 |
| 5．4．1 对学习速率参数η的调整 | 第45页 |
| 5．4．2 对隐含层节点数目的调整 | 第45-46页 |
| 5．4．3 样本中两类样本数目所占比例的确定 | 第46页 |
| 5．5 试验结果及分析 | 第46-50页 |
| 5．6 本章小结 | 第50-51页 |
| 第六章 结束语 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录1(一个网点的样本和输出) | 第56-61页 |
| 附录2(攻读学位期间发表学术论文) | 第61页 |
