基于数据挖掘的电信经营收入分析与预测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 目的与意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-13页 |
| 1.3 数据挖掘的预测技术及其实际应用 | 第13-16页 |
| 1.3.1 数据挖掘的概念 | 第13-15页 |
| 1.3.2 数据挖掘的实现手段 | 第15-16页 |
| 1.4 技术路线与实施方案 | 第16-18页 |
| 1.5 论文结构设计 | 第18-20页 |
| 第二章 电信业务收入影响因素分析 | 第20-38页 |
| 2.1 电信行业发展现状 | 第20-21页 |
| 2.1.1 电信市场将逐步走向多元化竞争 | 第20-21页 |
| 2.1.2 建立电信行业新的产业体系 | 第21页 |
| 2.2 电信业务组成与收入分析 | 第21-27页 |
| 2.2.1 电信业务分类 | 第21-22页 |
| 2.2.2 2012年电信业务发展及收入分析 | 第22-27页 |
| 2.3 电信业务收入概念 | 第27-29页 |
| 2.4 电信业务收入的影响因素分析 | 第29页 |
| 2.5 回归检验 | 第29-30页 |
| 2.6 搭建实验环境 | 第30-36页 |
| 2.7 本章小结 | 第36-38页 |
| 第三章 人工神经网络 | 第38-57页 |
| 3.1 人工神经网络概述 | 第38-42页 |
| 3.1.1 常见人工神经网络 | 第39-40页 |
| 3.1.2 神经网络学习方式 | 第40-41页 |
| 3.1.3 神经网络应用 | 第41页 |
| 3.1.4 神经网络的适用范围 | 第41-42页 |
| 3.2 网络结构 | 第42页 |
| 3.3 数据预处理 | 第42-43页 |
| 3.4 BP神经网络 | 第43-49页 |
| 3.4.1 BP神经网络原理 | 第43-44页 |
| 3.4.2 基于BP网络的电信营业收入预测 | 第44-47页 |
| 3.4.3 预测结果分析 | 第47-49页 |
| 3.5 RBF网络 | 第49-56页 |
| 3.5.1 RBF网络概述 | 第49-50页 |
| 3.5.2 基于RBF网络的电信营业收入预测 | 第50-53页 |
| 3.5.3 预测结果分析 | 第53-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 基于遗传神经网络的电信营业收入预测 | 第57-67页 |
| 4.1 遗传算法概述 | 第57-58页 |
| 4.2 遗传神经网络算法 | 第58-61页 |
| 4.3 BP神经网络缺陷 | 第61页 |
| 4.4 基于遗传神经网络模型的电信营业收入预测 | 第61-64页 |
| 4.4.1 实验数据来源 | 第61-62页 |
| 4.4.2 确定网络结构 | 第62页 |
| 4.4.3 遗传神经网络训练 | 第62-63页 |
| 4.4.4 预测结果分析 | 第63-64页 |
| 4.5 实验结果对比分析 | 第64-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 结论 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
