| 【中文题名】 | 数据挖掘和神经网络在生产成本决策系统中的应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-5-13 |
| 【中关键词】 | 成本管理,智能决策系统,数据挖掘,神经网络预测,, |
| 【英关键词】 | cost management,intelligent decision system,Data Mining,Artificial Neural Network prediction, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文在分析了传统成本管理系统存在问题的基础上，指出了生产成本的事前预测和分析在企业管理决策中的重要地位。为了实现预测和分析，本文引入数据挖掘和神经网络预测方法，并在此基础上提出了成本智能决策系统的总体框架模型。
本文分析了现有的神经网络预测和数据挖掘算法，运用适于实际生产成本问题的Pincer-Search数据挖掘算法和PG-RBF神经网络预测算法，在使用中改进算法，详细讨论了数据挖掘的SQL实现和网络阈值的选取，并使两种算法相互协作，克服各自的弱点。使系统实现了预测成本及其内部组成因素的变动趋势，提取成本规则，分析影响成本变动的因素，挖掘降低成本的潜力，提高了决策系统的智能化水平。
最后在总体框架的基础上，实现系统实验原型的开发。 |
| 【论文题纲】 |
|
第一章 绪论 |
7-9 |
|
1．1 引言 |
7-8 |
|
1．2 论文结构 |
8-9 |
|
第二章 成本管理决策支持系统分析 |
9-16 |
|
2．1 成本与成本管理 |
9-11 |
|
2．1．1 生产成本的划分 |
9 |
|
2．1．2 成本管理的内容 |
9-10 |
|
2．1．3 现有成本管理的问题 |
10 |
|
2．1．4 成本管理的改善 |
10-11 |
|
2．2 成本管理决策支持系统框架设计 |
11-16 |
|
2．2．1 总体框架设计 |
11-14 |
|
2．2．2 基于DM的成本规则挖掘模块 |
14 |
|
2．2．3 基于ANN的成本趋势预测模块 |
14-15 |
|
2．2．4 模块间的协同工作 |
15-16 |
|
第三章 基于DM的成本规则挖掘 |
16-30 |
|
3．1 成本挖掘数据库的形成 |
16-18 |
|
3．1．1 数据离散化 |
16-17 |
|
3．1．2 编码 |
17-18 |
|
3．2 成本规则挖掘的实现 |
18-25 |
|
3．2．1 Pincer-Search挖掘算法 |
18-22 |
|
3．2．2 标准SQL查询实现挖掘 |
22-24 |
|
3．2．3 规则的产生 |
24-25 |
|
3．3 成本规则的评价准则 |
25-27 |
|
3．3．1 规则的有效度 |
25-26 |
|
3．3．2 规则强度 |
26-27 |
|
3．4 成本规则的维护 |
27-28 |
|
3．5 挖掘效果分析 |
28-30 |
|
第四章 基于ANN的成本趋势预测 |
30-42 |
|
4．1 成本预测因素分析 |
30-31 |
|
4．1．1 成本序列分析 |
30 |
|
4．1．2 成本组成成分序列分析 |
30-31 |
|
4．2 成本变动趋势的预测 |
31-38 |
|
4．2．1 神经网络模型的选取 |
31-33 |
|
4．2．2 PG-RBF预测模型 |
33-35 |
|
4．2．3 网络阈值的讨论 |
35-38 |
|
4．3 预测的评价因素 |
38-39 |
|
4．4 预测结果的解释 |
39 |
|
4．5 预测效果分析 |
39-42 |
|
4．5．1 成本趋势预测 |
39-40 |
|
4．5．2 成本组成因素趋势预测 |
40-42 |
|
第五章 模块集成及协同工作 |
42-53 |
|
5．1 模块集成的层次结构框架 |
42-43 |
|
5．2 层次结构的实现 |
43-51 |
|
5．2．1 数据接口层 |
43-44 |
|
5．2．2 算法逻辑层 |
44-47 |
|
5．2．3 人机交互层 |
47-51 |
|
5．3 系统特点 |
51-53 |
|
第六章 总结与展望 |
53-54 |
|
6．1 总结 |
53 |
|
6．2 展望 |
53-54 |
|
致谢 |
54-55 |
|
在学期间研究成果 |
55-56 |
|
参考文献 |
56-58 |
|
| 【DOI】 | LunWen.ID:2.2008.386706 |
