| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 引言 | 第6-14页 |
| ·研究背景与意义 | 第6-7页 |
| ·国内外研究现状 | 第7-13页 |
| ·数据挖掘 | 第7-11页 |
| ·竞争情报 | 第11-13页 |
| ·本文主要工作 | 第13-14页 |
| 第二章 商务资讯系统的数据仓库设计 | 第14-27页 |
| ·数据仓库 | 第14-19页 |
| ·从数据库到数据仓库 | 第14-17页 |
| ·数据仓库的定义 | 第17页 |
| ·数据仓库的特点 | 第17-19页 |
| ·数据仓库的结构 | 第19-21页 |
| ·数据仓库的系统结构 | 第19-20页 |
| ·数据仓库的数据组织结构 | 第20-21页 |
| ·商务资讯系统的数据仓库设计 | 第21-26页 |
| ·需求分析 | 第22页 |
| ·粒度设计 | 第22-23页 |
| ·建立概念模型 | 第23-25页 |
| ·识别数据仓库数据 | 第25页 |
| ·设计事实表和维度表 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于BP 神经网络的商品需求量预测 | 第27-51页 |
| ·人工神经网络 | 第27-28页 |
| ·BP 人工神经网络 | 第28-38页 |
| ·网络的拓扑结构 | 第29-31页 |
| ·标准的BP 算法 | 第31-34页 |
| ·标准的BP 算法的缺点 | 第34页 |
| ·BP 算法的改进 | 第34-35页 |
| ·算例 | 第35-38页 |
| ·BP 神经网络应用于商品需求量预测的步骤 | 第38-39页 |
| ·商品需求量预测的样本规范化 | 第39-42页 |
| ·基于聚类分析的样本选取 | 第39-42页 |
| ·样本的预处理 | 第42页 |
| ·商品需求量预测的BP 神经网络结构参数选取 | 第42-47页 |
| ·输入与输出变量的选取 | 第42-43页 |
| ·隐层数的选取 | 第43-44页 |
| ·隐层节点数的选取 | 第44-45页 |
| ·响应函数的选取 | 第45页 |
| ·训练算法及训练参数的选择 | 第45-47页 |
| ·商品需求量预测的网络模型的确定 | 第47-48页 |
| ·基于具有动量因子的自适应学习率BP 算法的商品需求量预测 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 关联规则挖掘技术在TR 子系统中的应用 | 第51-64页 |
| ·关联规则挖掘概述 | 第51页 |
| ·关联规则的基本概念 | 第51-54页 |
| ·关联规则的分类 | 第54-55页 |
| ·挖掘关联规则的步骤 | 第55-56页 |
| ·TR 子系统中的关联规则增量式更新算法 | 第56-63页 |
| ·基本挖掘算法 | 第56-57页 |
| ·增量算法 | 第57-58页 |
| ·增量算法的改进 | 第58-60页 |
| ·挖掘结果展示 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-65页 |
| ·总结 | 第64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69-71页 |