声明
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 客户隐性知识相关研究
1.2.2 客户知识管理相关研究
1.2.3 研究现状评析
1.3 研究内容与技术路线图
1.3.1 研究内容
1.3.2 技术路线图
1.4 创新点
1.5 本章小结
2 相关理论基础与概念界定
2.1 客户隐性知识的相关理论基础
2.1.1 客户隐性知识内涵
2.1.2 客户隐性知识分类
2.1.3 客户隐性知识特征
2.2 客户隐性知识获取与求精概述
2.2.1 客户隐性知识获取
2.2.2 客户隐性知识求精
2.3 相关理论方法
2.3.1 粗糙集理论
2.3.2 BP神经网络
2.3.3 遗传算法
2.4 本章小结
3 客户隐性知识获取机制研究
3.1 客户知识源概说
3.2 客户知识价值的构成及度量
3.2.1 客户知识价值的定义及构成
3.2.2 客户知识价值的度量方法
3.3 客户隐性知识获取过程依赖
3.4 客户隐性知识获取方法
3.5 源数据预处理
3.5.1 数据清理
3.5.2 条件属性选取原则
3.5.3 数据的量化及离散化处理
3.6 本章小结
4 基于GA优化BP神经网络客户隐性知识求精模型构建
4.1 BP神经网络模型的构建
4.1.1 网络拓补结构的确定
4.1.2 模型参数选取
4.1.3 数据归一化处理
4.2 优化问题的提出
4.3 GA-BP优化模型的构建
4.3.1 编码选择和种群初始化
4.3.2 适应度函数和最大迭代次数
4.3.3 遗传操作
4.4 本章小结
5 实验分析
5.1 数据来源
5.2 客户隐性知识源数据预处理
5.2.1 数据结构
5.2.2 数据的量化及离散化处理
5.3 实验准备及初始配置
5.4 模型训练与权重计算
(1)模型训练
(2)权重计算
5.5 优化策略
5.6 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
个人简历、在校期间发表的学术论文及研究成果
致谢
郑州大学;