办公用品采购决策系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·论文的研究背景及选题意义 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·早期决策支持系统的发展 | 第8-9页 |
| ·数据仓库和 OLAP的决策支持技术 | 第9-10页 |
| ·综合决策支持系统 | 第10-11页 |
| ·企业智能综合决策支持系统 | 第11-12页 |
| ·论文主要研究内容、重点、难点及技术路线 | 第12-14页 |
| ·论文主要研究内容 | 第12页 |
| ·研究重点、难点及技术路线分析 | 第12-13页 |
| ·论文的安排 | 第13-14页 |
| 第二章 销售预测与人工神经网络技术 | 第14-23页 |
| ·销售预测技术概述 | 第14-17页 |
| ·销售预测的常规方法 | 第14-15页 |
| ·几种主要的数据挖掘技术 | 第15-17页 |
| ·人工神经网络技术 | 第17-20页 |
| ·人工神经网络技术的发展 | 第17-18页 |
| ·神经网络的学习原理 | 第18页 |
| ·人工神经网络的结构和分类 | 第18-19页 |
| ·实际预测应用中的几种主要模型和算法 | 第19-20页 |
| ·销售预测技术综合比较 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 人工神经网络 BP算法的改进和应用 | 第23-48页 |
| ·BP网络 | 第23-30页 |
| ·BP网络的基本原理 | 第23-26页 |
| ·标准 BP算法的不足及改进 | 第26-28页 |
| ·算法性能比较 | 第28-30页 |
| ·基于神经网络的建模方法 | 第30-31页 |
| ·训练样本的选取 | 第30页 |
| ·训练样本的归一化处理 | 第30-31页 |
| ·神经网络结构的设计 | 第31页 |
| ·神经网络训练建模 | 第31页 |
| ·办公用品短期销售预测模型的建立 | 第31-35页 |
| ·输入、输出节点的选取 | 第31-32页 |
| ·原始数据的预处理 | 第32页 |
| ·隐含层及单元数的确定 | 第32-34页 |
| ·销售预测 BP网络模型的建立 | 第34-35页 |
| ·几种主要商品的短期销售预测应用 | 第35-40页 |
| ·训练样本的归一化处理 | 第35-37页 |
| ·网络训练 | 第37-40页 |
| ·预测结果比较与分析改进 | 第40-46页 |
| ·建立多元回归预测模型 | 第40-41页 |
| ·预测结果比较 | 第41-44页 |
| ·分析与改进 | 第44-46页 |
| ·小结 | 第46-48页 |
| 第四章 采购决策系统的研究 | 第48-58页 |
| ·办公用品采购决策方案 | 第48页 |
| ·办公用品采购决策模型 | 第48-50页 |
| ·单纯形法求解 | 第50-52页 |
| ·系统的设计实现 | 第52-56页 |
| ·系统开发环境 | 第52-53页 |
| ·系统主要功能模块 | 第53-56页 |
| ·采购决策系统评估 | 第56-57页 |
| ·系统特点 | 第56页 |
| ·系统的先进性 | 第56-57页 |
| ·小结 | 第57-58页 |
| 第五章 工作总结及展望 | 第58-60页 |
| ·工作总结 | 第58-59页 |
| ·进一步努力的方向 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间主要的研究成果 | 第64页 |
