基于电子商务背景的智能挖掘技术及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第2章 数据挖掘技术 | 第18-29页 |
| 2.1 数据挖掘概述 | 第18-22页 |
| 2.1.1 数据挖掘功能与体系结构 | 第18-19页 |
| 2.1.2 数据挖掘的过程 | 第19-21页 |
| 2.1.3 数据挖掘分类与预测技术 | 第21-22页 |
| 2.2 面向电子商务的数据挖掘 | 第22-28页 |
| 2.2.1 电子商务平台概述 | 第22-24页 |
| 2.2.2 数据挖掘的优势 | 第24-25页 |
| 2.2.3 数据挖掘的数据源及流程 | 第25-28页 |
| 2.3 小结 | 第28-29页 |
| 第3章 基于支持向量机的客户价值分类 | 第29-43页 |
| 3.1 客户价值分类概述 | 第29-30页 |
| 3.2 支持向量机概述 | 第30-31页 |
| 3.3 客户价值分类的过程分析 | 第31-33页 |
| 3.4 客户分类准确率优化 | 第33-36页 |
| 3.4.1 交叉验证方法(c和g参数的选取) | 第33-35页 |
| 3.4.2 粒子群优化算法 | 第35-36页 |
| 3.5 实验过程及结果分析 | 第36-42页 |
| 3.5.1 实验过程分析 | 第36-41页 |
| 3.5.2 实验结果分析 | 第41-42页 |
| 3.6 小结 | 第42-43页 |
| 第4章 基于客户分类的灰色神经网络销售预测 | 第43-57页 |
| 4.1 客户分类算法概述 | 第43-44页 |
| 4.2 神经网络概述 | 第44-45页 |
| 4.2.1 BP神经网络概述 | 第44-45页 |
| 4.2.2 灰色理论概述 | 第45页 |
| 4.3 SVM客户分类 | 第45-47页 |
| 4.4 神经网络商品销售预测 | 第47-51页 |
| 4.4.1 BP神经网络的商品销售预测 | 第47-49页 |
| 4.4.2 灰色神经网络商品销售额预测 | 第49-51页 |
| 4.5 实验过程及结果分析 | 第51-56页 |
| 4.5.1 实验过程分析 | 第51-52页 |
| 4.5.2 实验结果分析 | 第52-56页 |
| 4.6 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
