基于钢铁企业成本的数据挖掘分析与研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 数据挖掘研究现状 | 第12-13页 |
| 1.2.2 决策树分类算法研究现状 | 第13-14页 |
| 1.2.3 成本管理结合数据挖掘的研究现状 | 第14-15页 |
| 1.3 本文的研究目的与研究内容 | 第15-16页 |
| 1.3.1 研究目的 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-19页 |
| 第2章 相关研究工作 | 第19-29页 |
| 2.1 成本相关理论 | 第19-23页 |
| 2.1.1 成本及生产成本 | 第19-20页 |
| 2.1.2 成本分析 | 第20-21页 |
| 2.1.3 成本管理 | 第21-23页 |
| 2.2 数据仓库和数据集市 | 第23-24页 |
| 2.2.1 数据仓库 | 第23-24页 |
| 2.2.2 数据集市 | 第24页 |
| 2.3 数据挖掘技术 | 第24-27页 |
| 2.3.1 分类的基本步骤 | 第25页 |
| 2.3.2 常见的决策树分类算法 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 决策树C4.5算法的改进 | 第29-39页 |
| 3.1 基本概念和相关定义 | 第29-32页 |
| 3.2 决策树C4.5算法描述与问题分析 | 第32-33页 |
| 3.2.1 决策树C4.5算法描述 | 第32页 |
| 3.2.2 离散化处理与问题分析 | 第32-33页 |
| 3.3 C4.5算法的改进与测试分析 | 第33-37页 |
| 3.3.1 基于边界点分割的C4.5改进算法 | 第33-34页 |
| 3.3.2 与原C4.5算法的对比分析 | 第34-35页 |
| 3.3.3 实验与结果分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于钢铁企业生产成本的挖掘分析 | 第39-53页 |
| 4.1 钢铁企业的生产流程与成本构成 | 第39-42页 |
| 4.1.1 钢铁企业的生产流程 | 第39-41页 |
| 4.1.2 钢铁企业的生产成本构成 | 第41-42页 |
| 4.2 钢铁企业生产成本数据仓库的建立 | 第42-48页 |
| 4.2.1 数据仓库 | 第42-43页 |
| 4.2.2 数据仓库的实现过程 | 第43-48页 |
| 4.3 钢铁企业生产成本关键工序数据挖掘 | 第48-52页 |
| 4.3.1 数据挖掘方法的应用 | 第48-49页 |
| 4.3.2 决策树挖掘分析应用实例 | 第49-51页 |
| 4.3.3 模式解释与评价 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于钢铁企业成本差异的决策分析 | 第53-63页 |
| 5.1 成本差异与作业成本分析法 | 第53-56页 |
| 5.1.1 成本差异 | 第53-55页 |
| 5.1.2 作业成本分析法 | 第55-56页 |
| 5.2 钢铁企业成本差异分析 | 第56-57页 |
| 5.3 钢铁企业成本差异影响因素的决策分析 | 第57-60页 |
| 5.3.1 决策树挖掘分析应用实例 | 第57-59页 |
| 5.3.2 模式解释与评价 | 第59-60页 |
| 5.4 本章小结 | 第60-63页 |
| 第6章 结束语 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
