C4.5算法优化及其在工业品销售中应用研究
发布时间：2021-06-12 21:58
工业品的生产与销售是现实生活中必不可少的重要因素,已经影响到社会的各个方面,也在社会众多领域中扮演着重要的角色。目前阶段工业品分类众多、决策采购的过程繁琐、交易涉及的金额大、对专业性要求强。传统的购买方式靠客户关系代购、渠道采购或在销售平台上选择购买,这导致顾客需要花费大量的时间和精力。对于公司销售平台来说能分析顾客购物的意图,实现精准化营销,同时预测出工业品的销售情况,才在竞争激烈的当今社会占有一席之地,也是销售平台系统运营胜出的必由之路。为了实现对客户的精准营销以及预测工业品的销售情况,建立工业品销售预测系统。销售预测系统帮助销售人员解决实现对客户的精准营销,帮助平台管理人员预测工业品的销售情况,因此系统具有以下功能:1)数据预处理功能。从电商平台数据库中提取所有数据表,结合销售数据记录表,共同完成系统的数据获取;获取后的数据需要预处理,清除存在的“脏”数据;由于数据的来源不同,需要完成数据的格式转换。2)预测模型功能。对于实现精准营销而言需要分析不同类型的客户、不同类型的工业品和相关影响因素;对于实现预测工业品的销售情况,需要分析不同类型的工业品以及影响其销售的因素。为了准确的预...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
论文架构图
C4.5 算法优化及其在工业品销售中应用研究层网络构成，输入层、隐藏层和输出层，每一层中都包含多个并行的神经元信号[21]。其基本思想是梯度下降法，不断的调整网络权值和偏差，使网络的实际输出值尽可能接近期望输出值[22]。处理信息的过程：n 代表输入信号的特征值的个数，k 代表输出端的个数。输入信号 Xi(i=1，2，…，n)是通过隐藏层作用于输出节点，输出信号 Yi(i=1，2，…，k)是经过非线形变换产生。θi是输入层与隐藏层之间的各个权值，aj(i)表示第 i 层的第 j 个激励值。BP 神经网络是一个逐级递进、相互关联的非线性函数，包含输入层、隐藏层和输出层。BP 神经网络通过反复训练，调节各个神经元之间的连接权值，减少存在的误差，寻找数据集内在复杂规律，具有良好的容错性和精准性。神经网络结构图如 2-1 所示。
C4.5 算法优化及其在工业流程主要展示业务走向，具体到组织内各部门之间、系、作业顺序和管理信息流向的图表，为下一步对电商销售平台而言，业务流程图描述客户、销间的业务关系。销售预测系统借助于互联网的发展为支撑，以电用模型优化平台销售模式。精准营销的完整业务根据需求可以提出申请，填写想了解客户的信息通过系统反馈结果，若未通过则发送信息解释原务流程图。
【参考文献】：
期刊论文
[1]CART决策树的两种改进及应用[J]. 张亮,宁芊. 计算机工程与设计. 2015(05)
[2]基于两次金融危机的中国工业品出厂价格指数定量分析[J]. 李玮玲. 苏州科技学院学报(自然科学版). 2012(01)
[3]贝叶斯DLM的销售预测系统的研究与实现[J]. 王莉,沈冬. 计算机仿真. 2008(07)
[4]精准营销的思想和方法[J]. 伍青生,余颖,郑兴山. 市场营销导刊. 2006(05)
博士论文
[1]贝叶斯网络结构学习与应用研究[D]. 曹杰.中国科学技术大学 2017
硕士论文
[1]决策树C4.5算法的改进与应用[D]. 王金庆.西安理工大学 2017
[2]计算机配件推荐销售系统的设计与实现[D]. 郭欣.北京交通大学 2017
[3]基于BP神经网络的个人信用风险评估模型的研究[D]. 冯婧.太原理工大学 2017
[4]客户需求驱动的精准营销案例研究[D]. 于贝贝.对外经济贸易大学 2017
[5]Y公司精准营销策略研究[D]. 陈利友.华东理工大学 2017
[6]C4.5决策树算法优化及其应用[D]. 黄秀霞.江南大学 2017
[7]工业品采购代理企业产品选择及采购量预测研究[D]. 王曦.浙江工商大学 2017
[8]大数据时代精准营销在京东的应用研究[D]. 阮利男.电子科技大学 2016
[9]大数据时代下的网络媒体营销策略研究[D]. 王菲雪.天津大学 2016
[10]基于聚类算法的餐饮电子商务平台精准营销方法与策略[D]. 徐渥明.上海交通大学 2013
本文编号：3226359
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
论文架构图
C4.5 算法优化及其在工业品销售中应用研究层网络构成，输入层、隐藏层和输出层，每一层中都包含多个并行的神经元信号[21]。其基本思想是梯度下降法，不断的调整网络权值和偏差，使网络的实际输出值尽可能接近期望输出值[22]。处理信息的过程：n 代表输入信号的特征值的个数，k 代表输出端的个数。输入信号 Xi(i=1，2，…，n)是通过隐藏层作用于输出节点，输出信号 Yi(i=1，2，…，k)是经过非线形变换产生。θi是输入层与隐藏层之间的各个权值，aj(i)表示第 i 层的第 j 个激励值。BP 神经网络是一个逐级递进、相互关联的非线性函数，包含输入层、隐藏层和输出层。BP 神经网络通过反复训练，调节各个神经元之间的连接权值，减少存在的误差，寻找数据集内在复杂规律，具有良好的容错性和精准性。神经网络结构图如 2-1 所示。
C4.5 算法优化及其在工业流程主要展示业务走向，具体到组织内各部门之间、系、作业顺序和管理信息流向的图表，为下一步对电商销售平台而言，业务流程图描述客户、销间的业务关系。销售预测系统借助于互联网的发展为支撑，以电用模型优化平台销售模式。精准营销的完整业务根据需求可以提出申请，填写想了解客户的信息通过系统反馈结果，若未通过则发送信息解释原务流程图。
【参考文献】：
期刊论文
[1]CART决策树的两种改进及应用[J]. 张亮,宁芊. 计算机工程与设计. 2015(05)
[2]基于两次金融危机的中国工业品出厂价格指数定量分析[J]. 李玮玲. 苏州科技学院学报(自然科学版). 2012(01)
[3]贝叶斯DLM的销售预测系统的研究与实现[J]. 王莉,沈冬. 计算机仿真. 2008(07)
[4]精准营销的思想和方法[J]. 伍青生,余颖,郑兴山. 市场营销导刊. 2006(05)
博士论文
[1]贝叶斯网络结构学习与应用研究[D]. 曹杰.中国科学技术大学 2017
硕士论文
[1]决策树C4.5算法的改进与应用[D]. 王金庆.西安理工大学 2017
[2]计算机配件推荐销售系统的设计与实现[D]. 郭欣.北京交通大学 2017
[3]基于BP神经网络的个人信用风险评估模型的研究[D]. 冯婧.太原理工大学 2017
[4]客户需求驱动的精准营销案例研究[D]. 于贝贝.对外经济贸易大学 2017
[5]Y公司精准营销策略研究[D]. 陈利友.华东理工大学 2017
[6]C4.5决策树算法优化及其应用[D]. 黄秀霞.江南大学 2017
[7]工业品采购代理企业产品选择及采购量预测研究[D]. 王曦.浙江工商大学 2017
[8]大数据时代精准营销在京东的应用研究[D]. 阮利男.电子科技大学 2016
[9]大数据时代下的网络媒体营销策略研究[D]. 王菲雪.天津大学 2016
[10]基于聚类算法的餐饮电子商务平台精准营销方法与策略[D]. 徐渥明.上海交通大学 2013
本文编号：3226359
本文链接：https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/3226359.html
