致谢 | 第7-8页 |
摘要 | 第8-9页 |
abstract | 第9-10页 |
第一章 绪论 | 第16-25页 |
1.1 课题的研究背景 | 第16-18页 |
1.1.1 制造企业发展模式的研究背景 | 第16-17页 |
1.1.2 客户需求的研究背景 | 第17页 |
1.1.3 产品配置的推理方法研究背景 | 第17-18页 |
1.2 国内外研究现状 | 第18-20页 |
1.2.1 客户需求的研究现状 | 第18-19页 |
1.2.2 产品配置推理方法研究 | 第19-20页 |
1.3 研究的目的与意义 | 第20-22页 |
1.4 论文的主要研究内容与结构 | 第22-24页 |
1.4.1 研究内容的提出 | 第22-23页 |
1.4.2 论文的框架结构 | 第23-24页 |
1.5 本章小结 | 第24-25页 |
第二章 多样化需求的表达路径获取 | 第25-34页 |
2.1 引言 | 第25页 |
2.2 客户需求多样性的研究 | 第25-27页 |
2.2.1 多样化需求的表达路径获取的设计框架 | 第25-26页 |
2.2.2 客户需求节点库的构建 | 第26-27页 |
2.3 基于蚁群算法的需求表达路径模型的建立 | 第27-30页 |
2.3.1 蚁群算法的基本思想 | 第27-28页 |
2.3.2 基于蚁群算法的客户需求表达路径求解 | 第28-30页 |
2.4 实例分析与应用 | 第30-33页 |
2.5 本章小结 | 第33-34页 |
第三章 动态需求下的产品配置方法 | 第34-45页 |
3.1 引言 | 第34页 |
3.2 客户动态性需求下的产品配置方法 | 第34-36页 |
3.2.1 动态需求下的产品配置方法框架 | 第34-35页 |
3.2.2 需求节点的权重设置方法 | 第35-36页 |
3.3 基于神经网络的产品配置模型的建立 | 第36-38页 |
3.3.1 人工神经网络的概述 | 第36-37页 |
3.3.2 基于BP神经网络的产品配置模型建立 | 第37-38页 |
3.3.3 需求动态化的处理方法 | 第38页 |
3.4 基于BP神经网络的产品配置模型的求解 | 第38-40页 |
3.5 实例分析与应用 | 第40-44页 |
3.6 本章小结 | 第44-45页 |
第四章 不完备需求下的产品配置方法 | 第45-59页 |
4.1 引言 | 第45页 |
4.2 不完备需求下的的产品配置方法框架 | 第45-46页 |
4.3 基于贝叶斯网络的产品配置模型的建立 | 第46-49页 |
4.3.1 贝叶斯网络的概述 | 第46-47页 |
4.3.2 产品模型节点信息的获取 | 第47页 |
4.3.3 产品模型结构的确定 | 第47-48页 |
4.3.4 产品模型的参数学习 | 第48-49页 |
4.4 需求不完备化的产品配置模型的求解 | 第49-50页 |
4.5 产品模型的优化与检验 | 第50-52页 |
4.5.1 产品模型的优化与节点重要性检验 | 第50-51页 |
4.5.2 产品模型节点的方向性检验 | 第51-52页 |
4.6 实例分析与应用 | 第52-58页 |
4.7 本章小结 | 第58-59页 |
第五章 基于VAR的客户需求变化趋势分析 | 第59-70页 |
5.1 引言 | 第59页 |
5.2 向量自回归模型的客户需求趋势变化研究框架 | 第59-60页 |
5.3 向量自回归模型的概述 | 第60-62页 |
5.3.1 向量自回归模型 | 第60-61页 |
5.3.2 脉冲响应函数 | 第61页 |
5.3.3 方差分解检验 | 第61-62页 |
5.3.4 格兰杰因果关系检验 | 第62页 |
5.4 基于VAR的客户需求变化趋势分析模型的建立 | 第62-65页 |
5.4.1 基于客户需求节点的销量影响变量的选取 | 第62-63页 |
5.4.2 变量数据预处理 | 第63-64页 |
5.4.3 VAR模型滞后期的选择 | 第64页 |
5.4.4 VAR模型平稳性检验 | 第64-65页 |
5.5 实例分析与应用 | 第65-68页 |
5.5.1 模型求解 | 第65页 |
5.5.2 销量影响因素的冲击分析 | 第65-67页 |
5.5.3 销量影响因素的贡献率分析 | 第67页 |
5.5.4 销量影响因素的格兰杰因果关系检验 | 第67-68页 |
5.6 本章小结 | 第68-70页 |
第六章 总结与展望 | 第70-72页 |
6.1 本文总结 | 第70-71页 |
6.2 研究展望 | 第71-72页 |
参考文献 | 第72-77页 |
攻读硕士学位期间的学术活动及成果情况 | 第77-78页 |