| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 研究现状与发展趋势 | 第10-13页 |
| 1.2.1 模糊时间序列的研究现状 | 第10-12页 |
| 1.2.2 模糊时间序列模型研究的应用现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 2 相关基础知识介绍和建立模型案例 | 第14-27页 |
| 2.1 模糊集合理论 | 第14-16页 |
| 2.1.1 模糊概念 | 第14页 |
| 2.1.2 模糊集合 | 第14-16页 |
| 2.1.3 模糊关系 | 第16页 |
| 2.2 时间序列相关知识介绍 | 第16-18页 |
| 2.2.1 时间序列定义 | 第16-17页 |
| 2.2.2 时间序列的特点 | 第17-18页 |
| 2.2.3 时间序列的预测 | 第18页 |
| 2.3 模糊预测学的重要性 | 第18-19页 |
| 2.4 模糊时间序列介绍 | 第19-26页 |
| 2.4.1 模糊时间序列的定义 | 第19-20页 |
| 2.4.2 模糊时间序列的预测模型的创建 | 第20-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 聚类分析概述和FCM聚类 | 第27-36页 |
| 3.1 聚类分析的背景和基本概念 | 第27页 |
| 3.2 聚类分析的应用 | 第27-29页 |
| 3.2.1 聚类分析在文字处理的应用 | 第28页 |
| 3.2.2 聚类分析在医疗方面的应用 | 第28页 |
| 3.2.3 聚类分析在金融方面的应用 | 第28页 |
| 3.2.4 聚类分析在营销方面的应用 | 第28-29页 |
| 3.3 聚类分析的步骤 | 第29-30页 |
| 3.4 模糊聚类算法的现状 | 第30页 |
| 3.5 FCM聚类算法的基础理论 | 第30-32页 |
| 3.6 FCM聚类算法 | 第32-33页 |
| 3.7 信息粒度算法 | 第33-35页 |
| 3.8 本章小结 | 第35-36页 |
| 4 提出的论域划分方法在汽车销售数据预测方面的应用 | 第36-47页 |
| 4.1 论域的不等长区间划分方法的提出 | 第36-37页 |
| 4.2 新方法在汽车行业的应用实例—论域区间划分 | 第37-41页 |
| 4.3 汽车销售数据的预测—实验与仿真 | 第41-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |