数据挖掘在铁路货运营销决策支持系统中的研究与应用
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-11页 |
| ·本研究课题学术背景 | 第9页 |
| ·数据挖掘在国内外的研究和应用现状 | 第9-10页 |
| ·课题来源与主要研究内容 | 第10-11页 |
| 第2章 铁路货运营销决策支持系统总体设计 | 第11-26页 |
| ·铁路货运营销决策支持系统总体设计 | 第11-19页 |
| ·货运营销决策支持系统总体设计逻辑结构 | 第11-16页 |
| ·货运营销决策支持系统物理结构 | 第16-17页 |
| ·货运营销决策支持系统功能模块图 | 第17-19页 |
| ·货运营销决策支持系统核心技术 | 第19-25页 |
| ·数据挖掘技术 | 第19-23页 |
| ·知识发现(KDD)技术 | 第23-24页 |
| ·决策支持系统的决策循环理论 | 第24页 |
| ·决策支持方法论 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于数据挖掘的铁路货运运量预测 | 第26-37页 |
| ·运量系统结构设计 | 第26页 |
| ·基于数据挖掘技术的运量预测模型 | 第26-31页 |
| ·铁路运量预测理论模型 | 第26-29页 |
| ·运量预测计算模型 | 第29-31页 |
| ·基于数据挖掘技术的运量预测算法 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 运量预测指标分析 | 第37-49页 |
| ·基于权重分析的敏感度分析 | 第38-39页 |
| ·三种敏感度方法 | 第39-41页 |
| ·连续变量、二元变量和离散变量的演绎 | 第41-44页 |
| ·最终模型和未知因素的影响 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 应用结果及运量预测功能模块的实现 | 第49-58页 |
| ·运量预测的数据结构 | 第49-50页 |
| ·运量预测输入模块 | 第50-51页 |
| ·应用神经网络的训练结果 | 第51-52页 |
| ·实际运量预测结果分析 | 第52-54页 |
| ·运量预测结果评价 | 第54-55页 |
| ·运量预测误差分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 数据挖掘可视化技术的应用 | 第58-72页 |
| ·多维数据可视化概述 | 第58-62页 |
| ·数据挖掘结果的可视化展现的意义和重要性 | 第58页 |
| ·数据可视化技术概述 | 第58-59页 |
| ·可视化挖掘分类 | 第59-61页 |
| ·可视化方法 | 第61-62页 |
| ·数据挖掘可视化软件结构设计 | 第62-63页 |
| ·数据挖掘可视化软件结构实现 | 第63-71页 |
| ·可视化软件结构的优势与应用领域 | 第71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 附录 A (攻读学位期间所发表的学术论文目录) | 第79页 |
