| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| §1-1 选题背景 | 第8页 |
| §1-2 预测的涵义及应考虑的因素 | 第8-9页 |
| §1-3 销售预测的方法分析 | 第9-11页 |
| 1-3-1 销售预测方法概述 | 第9-10页 |
| 1-3-2 时间序列法 | 第10页 |
| 1-3-3 灰色理论预测法 | 第10-11页 |
| 1-3-4 人工神经网络法 | 第11页 |
| 1-3-5 其他方法 | 第11页 |
| §1-4 选题的意义目的和课题研究的主要内容 | 第11-14页 |
| 1-4-1 选题的意义 | 第11页 |
| 1-4-2 课题研究的主要目的 | 第11-12页 |
| 1-4-3 课题研究的主要内容 | 第12页 |
| 1-4-4 论文的章节安排 | 第12-14页 |
| 第二章 关于粗集理论的分析 | 第14-27页 |
| §2-1 粗集理论 | 第14-16页 |
| 2-1-1 粗集理论方法 | 第14页 |
| 2-1-2 粗集理论基本定义 | 第14-15页 |
| 2-1-3 粗集理论的特点 | 第15-16页 |
| 2-1-4 粗集理论应用的国内外现状 | 第16页 |
| §2-2 数据预处理 | 第16-18页 |
| 2-2-1 数据预处理的必要性 | 第16-17页 |
| 2-2-2 数据预处理的处理过程 | 第17-18页 |
| §2-3 数据补齐 | 第18页 |
| §2-4 连续属性的离散化 | 第18-22页 |
| 2-4-1 数据离散化的概念 | 第19页 |
| 2-4-2 离散化过程及其评价标准 | 第19-20页 |
| 2-4-3 基于粗集理论的典型离散化方法 | 第20-22页 |
| §2-5 属性约简 | 第22-27页 |
| 2-5-1 数据属性约简 | 第22-23页 |
| 2-5-2 属性约简过程及评价标准 | 第23页 |
| 2-5-3 几种常用属性约简算法 | 第23-27页 |
| 第三章 人工神经网络理论分析 | 第27-35页 |
| §3-1 人工神经网络 | 第27-28页 |
| 3-1-1 人工神经网络的含义 | 第27页 |
| 3-1-2 人工神经网络在预测方面的发展现状 | 第27-28页 |
| §3-2 人工神经网络的特点及理论局限性 | 第28页 |
| §3-3 神经网络用于预测的步骤 | 第28-29页 |
| §3-4 几种常用于预测的神经网络 | 第29-35页 |
| 3-4-1 BP神经网络 | 第29-30页 |
| 3-4-2 RBF神经网络 | 第30-32页 |
| 3-4-3 小波神经网络 | 第32-33页 |
| 3-4-4 组合神经网络模型 | 第33-35页 |
| 第四章 基于粗集和神经网络的预测模型的设计 | 第35-41页 |
| §4-1 粗集理论与神经网络相结合的基础分析 | 第35-37页 |
| §4-2 粗集神经网络的销售预测模型设计 | 第37-40页 |
| 4-2-1 预测模型设计的基本思想 | 第37-38页 |
| 4-2-2 组合神经网络结构设计 | 第38-40页 |
| §4-3 预测模型的检验指标 | 第40-41页 |
| 第五章 销售预测模型的实现方案与实例验证 | 第41-57页 |
| §5-1 企业的经营销售情况分析 | 第41页 |
| §5-2 基于粗集和神经网络的预测模型在酒业销售中的应用 | 第41-55页 |
| 5-2-1 数据采集 | 第41-42页 |
| 5-2-2 数据预处理 | 第42-43页 |
| 5-2-3 数据的属性约简 | 第43-46页 |
| 5-2-4 数据的归一化 | 第46-47页 |
| 5-2-5 神经网络预测模型的软件实现 | 第47-55页 |
| §5-3 预测结果对比 | 第55页 |
| §5-4 小结 | 第55-57页 |
| 第六章 结论及展望 | 第57-58页 |
| §6-1 论文的工作总结 | 第57页 |
| §6-2 进一步的研究工作 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间所取得的科学研究成果 | 第61页 |