毕业设计（论文）-超市管理系统.doc

资料
宁波理工学院
毕业设计(论文)
题目超市管理系统
姓名
学号
专业班级 09信息与计算科学1班
指导教师
分院信息科学与工程学院
完成日期 2013年5月28日
摘要
本文建立了一种基于粒子群(PSO)算法优化BP神经网络的改进股票预测模型。该模型采用时间序列作为输入数据,以此来构造BP神经网络拓扑结构,利用粒子群算法优化BP神经网络的权值和阈值。同时,考虑到由于股票市场受到多种因素的影响,故股票价格形成的时间序列是非平稳的且具有强噪声的,本文用小波降噪来处理样本数据,使得数据更加真实地反映股票趋势。
结果表明,经过小波降噪处理后的时间序列数据更加平稳;粒子群算法优化后的BP神经网络预测模型能够有效弥补BP神经网络的不足,改善BP神经网络易陷入局部最优的问题,在一定程度上达到了提高算法性能的目的。
关键词:小波降噪;BP神经网络;股票预测;PSO优化
Abstract
Based on the analysis and study of the artificial work (ANN), this paper proposes the improved stock forecasting model of BP work optimized on the foundation of Particle Swarm Optimization. This model uses time series as the input data to establish BP’s (Back Propagation) work topology, and uses Particle Swarm Optimization to optimize the its weight and threshold. In the meantime, taking the various factors that affect stock market into consideration, it can be found that the time series of stock price is unstable and strong-noisy. Wavelet de-noising is used to deal with sample data so that the data can more authentically reflect the stock tendency.
The results show that the time series data after wavelet de-noising are more stable; BP work forecasting model after Particle Swarm Optimization can make up the weakness of BP work and mend the problem that BP work can easily get stuck into local optimum. As a result, this can obviously improve arithmetic performance to certain extend.
Keywords: Wavelet noise reduction; BP work; Stock forecast; PSO optimization
目录
摘要 I
ABSTRACT II
目录 III
第1章 概述 5
引言 5
超市管理的研究现状 6
超市管理系统主流开发技术 7
超市管理中存在问题 8
选题的意义 9
本文研究内容 10
第2章 开发环境及关键技术研究 12
开发环境及相关介绍 12
12
数据库 12
java语言 13
关键技术 14
AJAX技术 14
JSON技术 14
SESSION和JQuery 15
第3章 需求分析和系统设计 16
需求分析 16
功能需求 16
性能需求 16
用户体验需求 16
系统结构和流程图 17
系统的组成结构 17
流程图 17
系统设计 18
数据库设计 18
功能模块设计 22
第4章 超市管理系统的实现 23
超市管理系统界面与功能简述 23
系统代码结构 29