1 绪论 | 第1-21页 |
1.1 选题研究的背景与意义 | 第9-11页 |
1.1.1 研究背景 | 第9页 |
1.1.2 研究意义 | 第9-11页 |
1.2 国内外相关研究状况综述 | 第11-17页 |
1.2.1 基础理论研究综述 | 第11-14页 |
1.2.2 营销风险预警管理研究现状 | 第14-16页 |
1.2.3 相关研究中存在的问题 | 第16-17页 |
1.3 论文研究的目标、思路、主要内容及框架 | 第17-21页 |
1.3.1 研究目标 | 第17-18页 |
1.3.2 研究思路 | 第18-19页 |
1.3.3 研究的主要内容及框架 | 第19-21页 |
2 NT企业营销风险预警的理论基础 | 第21-39页 |
2.1 营销风险概念的基本内涵 | 第21-22页 |
2.2 NT企业营销风险的原因及分析 | 第22-29页 |
2.2.1 NT企业营销风险产生的原因 | 第23-25页 |
2.2.2 NT企业营销风险因素 | 第25-29页 |
2.3 NT企业营销风险的特征 | 第29-31页 |
2.4 NT企业营销风险预警管理内容 | 第31-35页 |
2.5 NT企业营销风险预警管理系统 | 第35-39页 |
3 NT企业营销预警指标体系建立 | 第39-58页 |
3.1 营销预警指标构建原则 | 第39-40页 |
3.2 营销预警指标构建方法 | 第40-43页 |
3.2.1 解析结构模型概述 | 第41-42页 |
3.2.2 ISM法的运算原理 | 第42-43页 |
3.3 NT企业产品营销市场的不确定性 | 第43-45页 |
3.4 NT企业营销预警指标体系构建 | 第45-53页 |
3.4.1 营销风险预警的警素分析 | 第46-50页 |
3.4.2 营销风险警兆的分析 | 第50-51页 |
3.4.3 营销预警指标的含义 | 第51-53页 |
3.5 指标遴选方法选择 | 第53-58页 |
3.5.1 主成分分析法的引入 | 第55-56页 |
3.5.2 主成分分析法的计算步骤 | 第56-58页 |
4 BP神经网络营销预警模型的理论分析 | 第58-69页 |
4.1 BP神经网络理论概述 | 第58-60页 |
4.2 BP神经网络的学习算法及流程 | 第60-61页 |
4.2.1 BP神经网络的学习算法描述 | 第60-61页 |
4.2.2 BP神经网络模型算法流程 | 第61页 |
4.3 BP神经网络的特点及应用 | 第61-63页 |
4.4 BP神经网络预警模型的选择 | 第63-66页 |
4.4.1 BP神经网络预警模型在理论上的可行性 | 第63-64页 |
4.4.2 BP神经网络预警模型应用的现实性 | 第64-66页 |
4.5 BP神经网络的企业营销风险预警模型构建思路 | 第66-69页 |
4.5.1 BP神经网络模型构建分析 | 第66-67页 |
4.5.2 BP神经网络模型建立的步骤 | 第67-69页 |
5 BP神经网络营销预警模型构建 | 第69-89页 |
5.1 NT企业预警指标数据搜集 | 第69-71页 |
5.2 运用主成分分析法进行指标精选 | 第71-81页 |
5.2.1 指标数据是否适合进行主成分析的判定 | 第71-75页 |
5.2.2 数据的主成分分析结果 | 第75-81页 |
5.3 BP神经网络模型结构确定 | 第81-86页 |
5.3.1 输入节点确定及数据准备 | 第81-82页 |
5.3.2 BP神经网络模型隐含节点的选择 | 第82-84页 |
5.3.3 BP神经网络模型输出节点的确定 | 第84-86页 |
5.4 BP神经网络模型的训练与检测 | 第86-89页 |
6 BP神经网络预警模型应用及对策 | 第89-96页 |
6.1 NT企业营销风险预警的实例 | 第89-90页 |
6.2 营销风险预警警度的表示与输出 | 第90-91页 |
6.3 NT企业营销风险预警管理对策 | 第91-96页 |
6.3.1 正常风险状态下的预警对策 | 第91-92页 |
6.3.2 轻微风险状态下的预警对策 | 第92-94页 |
6.3.3 高度风险状态下的预警对策 | 第94页 |
6.3.4 危急风险状态(危机状态)下的预警对策 | 第94-96页 |
7 结论与展望 | 第96-98页 |
7.1 本文的主要研究成果 | 第96-97页 |
7.2 有待于进一步研究的问题 | 第97-98页 |
致谢 | 第98-99页 |
参考文献 | 第99-102页 |
在校期间发表的论文和参加的科研项目 | 第102页 |