基于BP神经网络和KNN的店铺销售额预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-22页 |
| 1.1 选题背景与研究意义 | 第14-15页 |
| 1.1.1 选题的背景 | 第14-15页 |
| 1.1.2 研究的意义 | 第15页 |
| 1.2 预测问题研究的现状 | 第15-17页 |
| 1.3 网络市场的发展现状 | 第17-20页 |
| 1.4 本文的研究思路与内容 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 2 经典预测算法理论论述 | 第22-26页 |
| 2.1 经典预测方法 | 第22-24页 |
| 2.1.1 简单移动平均法 | 第22页 |
| 2.1.2 指数平滑法 | 第22-23页 |
| 2.1.3 灰色预测法 | 第23-24页 |
| 2.1.4 专家预测法 | 第24页 |
| 2.2 本章小结 | 第24-26页 |
| 3 预测模型简介 | 第26-38页 |
| 3.1 神经网络发展简介 | 第26-28页 |
| 3.2 BP神经网络 | 第28-33页 |
| 3.2.3 BP神经网络预测流程 | 第29-31页 |
| 3.2.4 BP神经网络相关函数 | 第31-33页 |
| 3.3 KNN方法预测 | 第33-36页 |
| 3.3.1 KNN理论介绍 | 第33-34页 |
| 3.3.2 KNN方法衡量指标 | 第34-35页 |
| 3.3.3 KNN距离准则定义 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 预测模型实证分析 | 第38-67页 |
| 4.1 店铺销售预测的影响因素 | 第38-42页 |
| 4.1.1 影响因素概述 | 第38-41页 |
| 4.1.2 影响因素的确定 | 第41-42页 |
| 4.2 基于BP神经网络的的销售额预测 | 第42-52页 |
| 4.2.1 网络层数的确定 | 第42-44页 |
| 4.2.2 输入层数的确定 | 第44页 |
| 4.2.3 输出层的确定 | 第44页 |
| 4.2.4 隐含层节点的确定 | 第44-46页 |
| 4.2.5 传输函数的确定 | 第46页 |
| 4.2.6 训练方法及参数的介绍 | 第46-47页 |
| 4.2.7 数据的归一化处理 | 第47-49页 |
| 4.2.8 网络的训练与泛化 | 第49-50页 |
| 4.2.9 BP预测结果实现与分析 | 第50-52页 |
| 4.3 基于KNN的店铺销售额预测 | 第52-59页 |
| 4.3.1 KNN方法的实现流程 | 第52-53页 |
| 4.3.2 KNN方法预测数据处理 | 第53-54页 |
| 4.3.3 KNN方法样本数据的选择与定义 | 第54-55页 |
| 4.3.4 KNN方法的K值选取 | 第55-57页 |
| 4.3.5 KNN方法的数据训练 | 第57-58页 |
| 4.3.6 基于KNN方法的店铺销售额结果预测 | 第58-59页 |
| 4.4 基于BP-KNN的销售额预测 | 第59-63页 |
| 4.4.1 基于BP-KNN的预测流程 | 第59-60页 |
| 4.4.2 基于BP-KNN预测的数据处理 | 第60-61页 |
| 4.4.3 基于BP-KNN预测实现 | 第61-63页 |
| 4.5 预测结果分析对比 | 第63-66页 |
| 4.6 本章小结 | 第66-67页 |
| 5 结论与展望 | 第67-69页 |
| 5.1 结论 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介及读研期间主要科研成果 | 第75-76页 |
