| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 引言 | 第6-8页 |
| 本课题的研究背景和意义 | 第6-7页 |
| 本文的主要工作及结论 | 第7-8页 |
| 第一章 绪论 | 第8-22页 |
| ·ERP概述 | 第8-9页 |
| ·ERP的原理 | 第8页 |
| ·企业资源规划的发展与应用 | 第8-9页 |
| ·ERP系统的局限性 | 第9页 |
| ·企业决策支持系统(DSS)概述 | 第9-13页 |
| ·决策支持系统的兴起 | 第9-10页 |
| ·决策支持系统的定义及功能 | 第10-11页 |
| ·企业决策支持系统研究的必要性 | 第11-12页 |
| ·企业决策支持系统的应用分析 | 第12-13页 |
| ·销售预测 | 第13-15页 |
| ·销售预测的涵义 | 第13页 |
| ·销售预测的作用和重要性 | 第13-14页 |
| ·预测误差与预测精度 | 第14-15页 |
| ·数据挖掘技术介绍 | 第15-21页 |
| ·数据挖掘的定义与目的 | 第15-16页 |
| ·数据挖掘的处理过程 | 第16-17页 |
| ·数据挖掘的主要功能 | 第17-19页 |
| ·数据挖掘常用方法 | 第19-21页 |
| ·数据挖掘中适用于销售预测的方法及特点 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第二章 人工神经网络在销售预测中的应用 | 第22-47页 |
| ·人工神经网络的发展概述 | 第22-24页 |
| ·人工神经网络的基本模型 | 第24-33页 |
| ·人工神经元的基本模型 | 第24-26页 |
| ·人工神经网络及其主要类型 | 第26-28页 |
| ·人工神经网络的工作原理及特点 | 第28-29页 |
| ·典型神经网络简介 | 第29-32页 |
| ·神经网络的选择 | 第32-33页 |
| ·BP网络 | 第33-38页 |
| ·BP算法 | 第33-36页 |
| ·BP算法的改进研究 | 第36-38页 |
| ·BP算法在销售预测中的应用模型 | 第38-42页 |
| ·神经网络的三种预测模型概述 | 第38-39页 |
| ·销售预测网络拓扑结构的确定 | 第39-41页 |
| ·Matlab中BP网络的创建 | 第41-42页 |
| ·BP网络在销售预测中的仿真研究 | 第42-46页 |
| ·BP网络在商品房销售量预测中的仿真实例 | 第42-44页 |
| ·BP网络在氨苄针剂销售预测中的仿真实例 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 遗传算法在销售预测中的应用 | 第47-65页 |
| ·遗传算法概述 | 第47-48页 |
| ·遗传算法的基本流程 | 第48-50页 |
| ·遗传算法关键参数和操作的设计 | 第50-56页 |
| ·遗传编码 | 第50页 |
| ·适配值函数 | 第50-52页 |
| ·算法参数 | 第52-53页 |
| ·遗传算子 | 第53-55页 |
| ·算法的终止条件 | 第55-56页 |
| ·遗传算法实际应用中的问题 | 第56-59页 |
| ·确定p_c和p_m的方法 | 第56-57页 |
| ·多次遗传算法的采用 | 第57页 |
| ·让父代中最好的解直接遗传到下一代 | 第57页 |
| ·近亲繁殖的避免 | 第57-58页 |
| ·交叉概率和变异概率的动态设置 | 第58-59页 |
| ·模拟退火算法 | 第59页 |
| ·退火遗传算法优化的神经网络在销售预测中的仿真研究 | 第59-64页 |
| ·退火遗传算法优化的前馈神经网络 | 第59-62页 |
| ·退火遗传算法优化的神经网络在销售预测中的仿真实例 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 全文总结与展望 | 第65-67页 |
| ·全文总结 | 第65页 |
| ·进一步工作的展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者攻读硕士学位期间发表的论文 | 第70-71页 |
| 致谢 | 第71页 |