| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 工作内容及成果 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第二章 相关研究工作 | 第14-24页 |
| 2.1 基于无线接入技术的数据获取方法 | 第14-17页 |
| 2.1.1 基于GPS的数据获取方式 | 第14-15页 |
| 2.1.2 基于蜂窝网络的数据获取方式 | 第15-16页 |
| 2.1.3 基于WiFi的数据获取方式 | 第16-17页 |
| 2.1.4 三种数据获取方式比较 | 第17页 |
| 2.2 数据挖掘技术 | 第17-21页 |
| 2.2.1 数据挖掘定义 | 第17-19页 |
| 2.2.2 数据挖掘流程 | 第19-20页 |
| 2.2.3 数据挖掘研究内容 | 第20-21页 |
| 2.3 品牌分析相关方法调研 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于WiFi的数据分析平台 | 第24-39页 |
| 3.1 平台系统结构 | 第24-29页 |
| 3.1.1 数据采集模块 | 第25-27页 |
| 3.1.2 数据分析模块 | 第27页 |
| 3.1.3 前端展示模块 | 第27-29页 |
| 3.2 平台技术优点 | 第29-30页 |
| 3.3 品牌分析模块 | 第30-31页 |
| 3.4 手机品牌基本分析 | 第31-36页 |
| 3.4.1 数据集 | 第31-32页 |
| 3.4.2 基于WiCloud系统数据的手机品牌占有率调查 | 第32-34页 |
| 3.4.3 基于传统方式进行的手机品牌占有率调查 | 第34-36页 |
| 3.5 手机品牌占有率群体偏好 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 手机品牌占有率预测建模分析 | 第39-58页 |
| 4.1 手机品牌占有率建模 | 第39页 |
| 4.2 使用ARIMA进行占有率预测建模分析 | 第39-48页 |
| 4.2.1 ARIMA模型及特点 | 第39-42页 |
| 4.2.2 序列平稳化处理 | 第42-43页 |
| 4.2.3 模型识别诊断 | 第43-44页 |
| 4.2.4 模型预测评估 | 第44-45页 |
| 4.2.5 其他品牌预测分析 | 第45-48页 |
| 4.3 使用神经网络进行占有率预测建模分析 | 第48-56页 |
| 4.3.1 神经网络模型及特点 | 第48-50页 |
| 4.3.2 神经网络训练 | 第50-51页 |
| 4.3.3 模型参数诊断 | 第51-52页 |
| 4.3.4 模型预测评估 | 第52-53页 |
| 4.3.5 其他品牌预测分析 | 第53-56页 |
| 4.4 方案对比分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58页 |
| 5.2 未来展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |