数据挖掘和神经网络在生产成本决策系统中的应用研究
| 第一章 绪论 | 第1-9页 |
| 1．1 引言 | 第7-8页 |
| 1．2 论文结构 | 第8-9页 |
| 第二章 成本管理决策支持系统分析 | 第9-16页 |
| 2．1 成本与成本管理 | 第9-11页 |
| 2．1．1 生产成本的划分 | 第9页 |
| 2．1．2 成本管理的内容 | 第9-10页 |
| 2．1．3 现有成本管理的问题 | 第10页 |
| 2．1．4 成本管理的改善 | 第10-11页 |
| 2．2 成本管理决策支持系统框架设计 | 第11-16页 |
| 2．2．1 总体框架设计 | 第11-14页 |
| 2．2．2 基于DM的成本规则挖掘模块 | 第14页 |
| 2．2．3 基于ANN的成本趋势预测模块 | 第14-15页 |
| 2．2．4 模块间的协同工作 | 第15-16页 |
| 第三章 基于DM的成本规则挖掘 | 第16-30页 |
| 3．1 成本挖掘数据库的形成 | 第16-18页 |
| 3．1．1 数据离散化 | 第16-17页 |
| 3．1．2 编码 | 第17-18页 |
| 3．2 成本规则挖掘的实现 | 第18-25页 |
| 3．2．1 Pincer-Search挖掘算法 | 第18-22页 |
| 3．2．2 标准SQL查询实现挖掘 | 第22-24页 |
| 3．2．3 规则的产生 | 第24-25页 |
| 3．3 成本规则的评价准则 | 第25-27页 |
| 3．3．1 规则的有效度 | 第25-26页 |
| 3．3．2 规则强度 | 第26-27页 |
| 3．4 成本规则的维护 | 第27-28页 |
| 3．5 挖掘效果分析 | 第28-30页 |
| 第四章 基于ANN的成本趋势预测 | 第30-42页 |
| 4．1 成本预测因素分析 | 第30-31页 |
| 4．1．1 成本序列分析 | 第30页 |
| 4．1．2 成本组成成分序列分析 | 第30-31页 |
| 4．2 成本变动趋势的预测 | 第31-38页 |
| 4．2．1 神经网络模型的选取 | 第31-33页 |
| 4．2．2 PG-RBF预测模型 | 第33-35页 |
| 4．2．3 网络阈值的讨论 | 第35-38页 |
| 4．3 预测的评价因素 | 第38-39页 |
| 4．4 预测结果的解释 | 第39页 |
| 4．5 预测效果分析 | 第39-42页 |
| 4．5．1 成本趋势预测 | 第39-40页 |
| 4．5．2 成本组成因素趋势预测 | 第40-42页 |
| 第五章 模块集成及协同工作 | 第42-53页 |
| 5．1 模块集成的层次结构框架 | 第42-43页 |
| 5．2 层次结构的实现 | 第43-51页 |
| 5．2．1 数据接口层 | 第43-44页 |
| 5．2．2 算法逻辑层 | 第44-47页 |
| 5．2．3 人机交互层 | 第47-51页 |
| 5．3 系统特点 | 第51-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6．1 总结 | 第53页 |
| 6．2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 在学期间研究成果 | 第55-56页 |
| 参考文献 | 第56-58页 |
