首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于数据挖掘技术的决策支持系统及其关键技术研究

摘要第1-7页
Abstract第7-12页
第一章 绪论第12-21页
   ·课题背景及研究意义第12-13页
   ·电信决策支持系统的研究现状第13-14页
   ·决策支持系统及相关技术第14-17页
     ·决策支持系统第14-15页
     ·数据仓库技术第15-16页
     ·数据挖掘技术第16-17页
   ·本文研究工作概述第17-19页
     ·研究内容第17-19页
     ·主要创新点第19页
   ·本文的内容安排第19-21页
第二章 系统分析与设计第21-27页
   ·引言第21页
   ·系统分析第21-22页
     ·系统需求分析第21-22页
     ·系统功能目标第22页
   ·NET框架和系统逻辑结构设计第22-24页
     ·系统架构的选择——.NET框架第22-23页
     ·后台数据库的选择—SQL Server 2000第23页
     ·系统逻辑结构设计第23-24页
   ·系统功能设计及技术路线第24-26页
     ·统计分析功能的技术路线第25页
     ·决策咨询功能的技术路线第25-26页
   ·本章小结第26-27页
第三章 系统关键技术研究Ⅰ——聚类方法研究第27-37页
   ·引言第27-28页
   ·基于层次的K-MEANS初始化算法第28-33页
     ·层次抽样初始化的相关理论第28-30页
     ·基于层次抽样初始化的聚类算法第30-32页
     ·算法时空分析第32-33页
   ·实验结果及分析第33-36页
     ·模拟数据实验第33-35页
     ·真实数据实验第35-36页
   ·本章小结第36-37页
第四章 系统关键技术研究Ⅱ——预测方法研究第37-57页
   ·引言第37-38页
   ·EPNET模型简介第38-39页
   ·基于EPNET的预测方法第39-41页
     ·算法描述第39-40页
     ·关于算法的几点说明第40-41页
   ·实验结果及分析第41-45页
     ·实验数据及评价标准第41-42页
     ·有关参数的设置第42页
     ·实验结果与分析第42-45页
   ·时间序列ARMA模型预测第45-49页
     ·参数估计第46页
     ·适用性检验第46-49页
   ·时间序列ARMA模型预测实验及分析第49-51页
     ·实例测试第49-51页
     ·性能分析第51页
   ·预测模型的激励学习第51-56页
     ·激励学习规划规则抽取和偏置算法第52-54页
     ·实验和分析第54-56页
   ·本章小结第56-57页
第五章 系统关键技术研究Ⅲ——决策支持系统中的模型部件研究第57-77页
   ·引言第57-58页
   ·层次分析法(AHP)第58-64页
     ·层次分析法建模的基本步骤第58-60页
     ·群组AHP(Group-AHP)第60-62页
     ·投资预测模型与AHP第62-64页
   ·IPDSS模型部件的设计及实现第64-76页
     ·模型库设计第64-67页
     ·方法库设计第67页
     ·模型库与方法库合并第67-68页
     ·模型管理系统的实现第68-76页
   ·本章小结第76-77页
第六章 系统的实现及功能简介第77-96页
   ·引言第77页
   ·系统开发和运行环境第77-78页
     ·开发环境第77页
     ·运行环境第77-78页
   ·系统框架第78-81页
     ·逻辑框架第78-79页
     ·功能模块结构第79-81页
   ·数据挖掘的实现第81-86页
     ·电信数据挖掘系统功能简介第82-83页
     ·挖掘过程第83-86页
   ·模型部件的实现及管理第86-95页
     ·分析预测模型第87页
     ·投资预测模型第87-89页
     ·投资回报模型第89-93页
     ·投资分解模型第93-95页
     ·数据挖掘模型第95页
   ·本章小结第95-96页
结束语第96-98页
致谢第98-99页
参考文献第99-105页
附录第105页

论文共105页,点击 下载论文
上一篇:基于彩色基元特征的图像检索
下一篇:水下潜器组合导航定位及数据融合技术研究