决策支持系统在自动售货机管理上的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·国内外研究现状及趋势 | 第13-16页 |
| ·决策支持系统的发展现状 | 第13-14页 |
| ·自动售货机的发展现状 | 第14-15页 |
| ·决策支持系统在自动售货机上的应用 | 第15-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| ·研究内容 | 第16页 |
| ·创新点和特色 | 第16页 |
| ·论文结构安排 | 第16-18页 |
| 第2章 课题研究的相关知识 | 第18-24页 |
| ·远程监控系统 | 第18-19页 |
| ·相关理论知识 | 第19-23页 |
| ·时间序列分析预测法 | 第19-21页 |
| ·数据挖掘理论 | 第21页 |
| ·决策分析理论 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 预测模型的研究与设计 | 第24-43页 |
| ·初步分析 | 第24页 |
| ·样本数据的获取及预处理 | 第24-26页 |
| ·数据样本的采集及产生的问题 | 第24-25页 |
| ·数据样本预处理 | 第25-26页 |
| ·预测模型 | 第26-28页 |
| ·预测模型研究与选择 | 第26-27页 |
| ·横纵交叉预测 | 第27-28页 |
| ·基于时间序列法的销量预测 | 第28-31页 |
| ·基于Box-Jenkins方法的时间序列模型 | 第28-29页 |
| ·基于动态数据系统的ARMA预测 | 第29-30页 |
| ·基于残差分析的Holt-Winters模型 | 第30-31页 |
| ·基于神经网络的销量预测 | 第31-34页 |
| ·输入数据归一化处理 | 第31-32页 |
| ·RBF神经网络 | 第32-33页 |
| ·RBF神经网络模型的学习 | 第33-34页 |
| ·仿真结果及分析 | 第34-42页 |
| ·数据准备 | 第34页 |
| ·微观部分仿真及结果 | 第34-39页 |
| ·宏观部分仿真及结果分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 决策模型的研究与设计 | 第43-53页 |
| ·初步方案设置 | 第43-44页 |
| ·决策树模型 | 第44-48页 |
| ·决策树算法概述 | 第45-46页 |
| ·决策树的建立 | 第46-47页 |
| ·决策树的剪枝 | 第47-48页 |
| ·决策树判别属性的选择 | 第48-50页 |
| ·C4.5 算法 | 第48-49页 |
| ·指标的选定 | 第49-50页 |
| ·仿真结果与分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 决策支持系统的应用设计 | 第53-63页 |
| ·系统基本结构 | 第53-54页 |
| ·系统需求分析 | 第53-54页 |
| ·系统基本结构 | 第54页 |
| ·数据管理模块 | 第54-57页 |
| ·数据管理模块设计 | 第54-56页 |
| ·数据库表的设计 | 第56-57页 |
| ·模型管理模块 | 第57-59页 |
| ·模型管理模块设计 | 第57-59页 |
| ·Java与R之间的调用 | 第59页 |
| ·综合模块 | 第59-61页 |
| ·开发工具选择 | 第61-62页 |
| ·Java技术简介 | 第61-62页 |
| ·R语言技术简介 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| ·结论 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 附录 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间参加的科研项目和成果 | 第72页 |
