服装行业用户行为预测方法及订货系统研发
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究的背景及意义 | 第10-13页 |
| 1.1.1 研究的背景 | 第10-12页 |
| 1.1.2 研究的意义 | 第12-13页 |
| 1.2 研究现状及存在的问题 | 第13-16页 |
| 1.2.1 iPad订货会的市场现状及存在的问题 | 第13-15页 |
| 1.2.2 预测用户行为的研究现状及存在的问题 | 第15-16页 |
| 1.3 本学位论文的主要研究内容及创新点 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-20页 |
| 第2章 用户行为预测的原理及订货系统相关技术 | 第20-38页 |
| 2.1 可变阶马尔可夫预测模型的分类算法 | 第20-23页 |
| 2.1.1 生成概率后缀树算法的过程 | 第21页 |
| 2.1.2 可变阶马尔可夫模型的优化 | 第21-23页 |
| 2.2 贝叶斯分类算法 | 第23-26页 |
| 2.3 支持向量机分类算法 | 第26-28页 |
| 2.4 订货系统的软件开发平台 | 第28-37页 |
| 2.4.1 Xcode开发环境 | 第29-34页 |
| 2.4.2 编程语言及设计模式 | 第34-37页 |
| 2.5 本文的研究架构 | 第37-38页 |
| 第3章 订货系统的研发 | 第38-50页 |
| 3.1 需求分析 | 第38-39页 |
| 3.2 系统设计 | 第39-41页 |
| 3.3 系统实现 | 第41-48页 |
| 3.3.1 登录模块 | 第41-42页 |
| 3.3.2 网络模块 | 第42-43页 |
| 3.3.3 数据展示模块 | 第43-45页 |
| 3.3.4 数据存储模块 | 第45-46页 |
| 3.3.5 即时通讯模块 | 第46-48页 |
| 3.4 小结 | 第48-50页 |
| 第4章 用户行为预测及系统集成 | 第50-62页 |
| 4.1 数据的处理 | 第50-53页 |
| 4.1.1 数据获取 | 第50-52页 |
| 4.1.2 提炼数据及数据集的分析 | 第52-53页 |
| 4.2 建模及优化 | 第53-57页 |
| 4.2.1 建模 | 第53-54页 |
| 4.2.2 核函数的处理 | 第54-55页 |
| 4.2.3 参数的处理 | 第55-56页 |
| 4.2.4 数据的预处理 | 第56-57页 |
| 4.3 模型训练及系统集成 | 第57-59页 |
| 4.3.1 用支持向量机训练模型的过程 | 第57-58页 |
| 4.3.2 用户行为预测的系统集成 | 第58-59页 |
| 4.4 本章小结 | 第59-62页 |
| 第5章 用户行为预测方法有效性验证 | 第62-72页 |
| 5.1 预测用户行为方法的效率验证及结论 | 第62-68页 |
| 5.1.1 改变模型参数后的比对 | 第62-64页 |
| 5.1.2 与贝叶斯及马尔可夫分类比对 | 第64-66页 |
| 5.1.3 优化后的马尔可夫分类算法的深入分析 | 第66-67页 |
| 5.1.4 用户平均等待时间比对 | 第67页 |
| 5.1.5 后台的峰值压力比对 | 第67-68页 |
| 5.2 订货系统的效率比对 | 第68-71页 |
| 5.2.1 订货会的持续时间 | 第69-70页 |
| 5.2.2 订货的持续时间 | 第70页 |
| 5.2.3 开发时间 | 第70-71页 |
| 5.2.4 其它方面 | 第71页 |
| 5.3 小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-75页 |
| 作者简历 | 第75-76页 |
| 攻读学位期间发表的学术论文与研究成果 | 第76-77页 |
| 致谢 | 第77页 |
