| 摘要 | 第1-3页 |
| Abstract: | 第3-8页 |
| 0 引言 | 第8-10页 |
| 1 商务智能 | 第10-13页 |
| ·商务智能的产生 | 第10页 |
| ·商务智能的定义 | 第10-11页 |
| ·商务智能的发展过程 | 第11-12页 |
| ·事务处理系统 | 第11页 |
| ·经理信息系统 | 第11页 |
| ·管理信息系统 | 第11页 |
| ·决策支持系统 | 第11-12页 |
| ·商务智能系统 | 第12页 |
| ·商务智能的作用 | 第12-13页 |
| 2 数据挖掘 | 第13-16页 |
| ·数据挖掘的产生 | 第13页 |
| ·数据挖掘的定义 | 第13-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·数据挖掘的分类 | 第15页 |
| ·数据挖掘的应用 | 第15-16页 |
| 3 BDMBIS 的设计流程 | 第16-19页 |
| 4 XIAO-BDMBIS 原型的实现 | 第19-27页 |
| ·系统需求分析 | 第19页 |
| ·系统简介 | 第19-20页 |
| ·设计 | 第20页 |
| ·系统体系结构 | 第20-22页 |
| ·拓扑结构 | 第20-21页 |
| ·软件框架 | 第21-22页 |
| ·模块划分 | 第22-23页 |
| ·功能实现 | 第23-27页 |
| ·报表统计 | 第23-25页 |
| ·预测应用 | 第25-26页 |
| ·图表导出 | 第26-27页 |
| 5 指标预测 | 第27-42页 |
| ·预测过程和方法 | 第27-28页 |
| ·BP 神经网络预测 | 第28-31页 |
| ·神经网络结构 | 第28-29页 |
| ·BP 神经网络 | 第29-30页 |
| ·BP 神经网络的学习算法 | 第30-31页 |
| ·带有周期功能的 BP 神经网络预测算法 | 第31-40页 |
| ·带有周期功能的BP 神经网络预测算法 | 第31-32页 |
| ·主要代码说明 | 第32-36页 |
| ·实验与测试结果 | 第36-40页 |
| ·带有突变处理功能的 BP 神经网络预测算法 | 第40-42页 |
| ·带有突变处理功能的BP 神经网络预测算法 | 第40-41页 |
| ·实验与测试结果 | 第41-42页 |
| 6 基于 BRIO 的数据挖掘结果展现 | 第42-59页 |
| ·BRIO PERFORMANCE SUITE简介 | 第42页 |
| ·XIAO-BDMBIS 原型的BRIO 集成方法 | 第42-50页 |
| ·建立与数据源的连接 | 第42-46页 |
| ·切换数据库连接 | 第46-47页 |
| ·执行数据库查询 | 第47页 |
| ·Xiao-BDMBIS 原型系统的数据准备 | 第47-48页 |
| ·Xiao-BDMBIS 原型系统的图表生成 | 第48-50页 |
| ·Xiao-BDMBIS 原型系统的融合展现 | 第50页 |
| ·XIAO-BDMBIS 指标信息配置 | 第50-56页 |
| ·图表导出 | 第56-59页 |
| 7 系统硬件配置及其运行环境 | 第59-60页 |
| 8 总结与展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 本文作者在攻读硕士学位期间发表的文章 | 第63-64页 |
| 声明 | 第64-65页 |
| 致谢 | 第65页 |