| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 数据挖掘技术的研究现状 | 第10页 |
| 1.2.2 人力资源预测的研究现状 | 第10-11页 |
| 1.3 课题研究的主要内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 人力资源需求预测及数据挖掘技术分析 | 第13-22页 |
| 2.1 人力资源需求预测技术 | 第13-19页 |
| 2.1.1 定性预测 | 第13-16页 |
| 2.1.2 定量预测 | 第16-18页 |
| 2.1.3 人力资源需求预测技术方法对比 | 第18-19页 |
| 2.2 数据挖掘技术 | 第19-21页 |
| 2.2.1 关联规则分析 | 第19页 |
| 2.2.2 决策树 | 第19页 |
| 2.2.3 贝叶斯网络 | 第19-20页 |
| 2.2.4 粗糙集方法 | 第20页 |
| 2.2.5 神经网络 | 第20页 |
| 2.2.6 统计分析 | 第20页 |
| 2.2.7 数据挖掘的主要技术方法对比 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于多元回归分析的人力资源模型构建及需求预测验证 | 第22-27页 |
| 3.1 多元回归分析法 | 第22页 |
| 3.2 人力资源回归预测模型的构建 | 第22-23页 |
| 3.3 统计指标及线性关系检验 | 第23-24页 |
| 3.4 人力资源多元线性回归预测验证及结果分析 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第4章 人力资源需求预测中BP神经网络算法改进及实验验证 | 第27-40页 |
| 4.1 神经网络算法 | 第27-31页 |
| 4.1.1 神经网络的经典算法——BP神经网络 | 第28-29页 |
| 4.1.2 BP神经网络算法步骤 | 第29-31页 |
| 4.2 BP神经网络在预测上的适应性 | 第31页 |
| 4.3 BP神经网络的主要缺陷 | 第31-32页 |
| 4.4 BP算法的改进 | 第32-39页 |
| 4.4.1 学习率自适应方法 | 第32-34页 |
| 4.4.2 学习率自适应方法改进 | 第34-35页 |
| 4.4.3 改进的BP神经网络算法过程 | 第35-39页 |
| 4.5 改进的BP算法验证 | 第39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 人力资源需求预测系统的设计与实现 | 第40-46页 |
| 5.1 系统体系结构设计 | 第40-41页 |
| 5.2 系统功能模块设计 | 第41-42页 |
| 5.3 人力资源需求预测的实现 | 第42-45页 |
| 5.3.1 数据库设计 | 第42-44页 |
| 5.3.2 人力资源管理功能 | 第44页 |
| 5.3.3 需求预测管理功能 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-48页 |
| 6.1 结论 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的论文及其他研究成果 | 第51-52页 |
| 致谢 | 第52页 |