基于Sencha Touch的企业移动门户系统的设计与实现

企业移动门户系统是目前移动办公领域的重要组成部分,在移动互联网领域,跨平台解决方案是移动应用开发面临的最大问题。提出基于Sencha Touch框架实现企业移动门户系统的方法,Sencha Touch框架融合移动应用程序开发领域尖端技术,通过浏览器内核WebKit渲染,以Web应用的形式展现本地应用的风格。     

基于SenchaTouch的移动书店设计与实现

为满足移动客户随时随地选购图书的需要,采用MobileApp移动框架SenchaTouch技术,设计开发一个移动书店。介绍网上书店的需求分析、关键技术和详细实现过程。经过测试表明,基于SenchaTouch的移动web应用具有良好的跨平台能力,能满足多种应用需求。     

常用HTML5移动应用框架

该文针对目前比较流行的HTML5移动应用框架进行了阐述,分别介绍了jQTouch、Sencha Touch、jQuery Mobile、Tita nium Mobile等四种常用的框架特点及运用,并重点以Sencha Touch运用过程为例。     

基于.NET平台的移动Web应用程序设计与实现

随着移动通讯技术的发展,移动web应用程序的开发具有非常重要的意义.以高校移动成绩查询为例,介绍利用ASP.NET技术实现移动Web应用程序的方法和过程,并给出了利用移动控件实现成绩查询的代码.实践证明,ASP.NET移动Web服务器控件能够简化移动Web应用程序的开发,并提高开发效率.     

时序算法在销售预测中的应用研究

在金融市场、信息网络以及电子商务等领域中积累了大量时间序列数据,对这些数据进行深层次的分析,是数据挖掘研究中的重要方向之一.Microsoft时序算法是一个新的预测算法,使用Microsoft时序算法创建的模型是一个自动回归模型.本文用Micmsoft时序算法建立预测模型,预测某食品零售超市未来的销售情况.     

基于移动通信数据的用户移动轨迹预测方法

随着无线移动通信设备的发展,获取用户位置的手段更加多样,如何对轨迹进行建模并预测人类行为成为研究热点。现有方法主要针对GPS轨迹等连续轨迹进行建模预测,而对移动通信场景中人行为轨迹预测方法尚未研究。针对移动话单数据这种离散程度极大的轨迹数据建模,提出Match算法对人类轨迹进行预测。实验证明,85%的人类轨迹可以利用该算法正确预测。在此基础上,提出轨迹合并的方法,进一步提高了预测的准确率,并发现人类在以天为单位的尺度上,有30%的行为是自相似的。     

移动通信业中的交叉销售分析

在中国迅速发展的移动通信市场中,中国移动、联通等几大巨头正在展开激烈的竞争。客户每年给移动公司贡献的收入呈逐年下降的趋势,提高现有客户的忠诚度和价值是每个移动公司迫切需要解决的问题,而通过交叉销售则可以达到双赢的目标。结合移动通信领域实际的数据挖掘项目,阐述了交叉销售分析的完整流程,涉及关联分析、聚类分析、预测分析等多项数据挖掘技术,并对挖掘结果的应用进行了探讨。     

基于LM算法的BP网络在药品销售预测中的应用

针对经典BP算法在销售预测方面存在的明显不足,本文采用LM优化方法改进BP算法,并应用于药品销售预测,仿真结果表明预测效果优于同类方法.     

移动平均法在卷烟产量预测中的应用

介绍了一次移动平均法的概念、特点以及预测模型,分析了卷烟产量预测的必要性。通过实例证明了一次移动平均法在卷烟产量预测中的作用,总结一次移动平均法的优缺点。     

基于数据挖掘的销售预测研究

在研究数据挖掘预测算法时间序列AR模型的基础上,提出了将影响销售预测的因素与时间序列预测结合在一起的BP神经网络销售预测模型,该模型通过数据仓库获取销售历史数据.实例验证表明:BP神经网络销售预测模型比时闻序列AR销售预测模型精度高.     

基于.NET组件化的销售预测系统的设计与开发

为改变企业对未来销售量预测手段的单一性和随意性,设计开发基于.NET组件化的销售预测系统,从而给企业决策者一个有效的、简单明了的预测结果以指导决策。文中根据不同预测方法对某一组具体历史数据的敏感程度不同,通过.NET组件技术实现多种预测方法和预测精度的检验,自动遴选出最适合某一组数据的预测模型或预测方法,达到最佳的预测效果。最后,运用该系统对某汽车制造企业的销售量进行预测,得到较好的效果。     

基于聚类与机器学习的零售商品销量预测

本文提出一种基于K-means聚类与机器学习回归算法的预测模型以解决零售行业多个商品的销售预测问题,首先通过聚类分析识别出具有相似销售模式的商品从而实现数据集的划分,然后分别在每个子数据集上训练了支持向量回归、随机森林以及XGBoost模型,通过构建数据池的方式增加了用于训练模型的数据量以及预测变量的选择范围.在一家零售企业的真实销售数据集上对提出的模型进行了验证,实验结果表明基于K-means和支持向量回归的预测模型表现最优,且所提出的模型预测效果明显优于基准模型以及不使用聚类的机器学习模型.     

移动计算环境中的局部线性预测

由于移动计算设备的有限的电源能力和计算能力,需要有一种快速、简单、准确的方法用于移动客户端的预测。该文提出了在移动计算环境中局部线性预测的方法,该方法的计算复杂度较小,同时实验结果表明它的预测结果较为理想。     

烟草行业移动信息化方案设计

本文研究烟草行业的信息化解决方案。在分析烟草行业的信息化现状,结合烟草企业的特殊组织架构总结其信息化需求,提出基于多种移动业务的完善解决方案,并对具体业务及其技术原理进行了说明。本方案在实际应用中具有参考价值。     

基于Adaboost的随机森林算法在医疗销售预测中的应用

提出一种基于Adaboost方法的随机森林销售量预测方法. 首先对销售量的影响因素进行了特征分析,确定了训练数据的特征和维度. 然后采用基于Adaboost的随机森林销量预测方法对特征数据进行训练并给出了预测算法的步骤. 最后使用python进行了仿真实验,实验结果表明,该方法可以有效提高随机森林的回归性能,且预测精度高,具有较强的泛化能力.     

移动电子政务平台中安全Web服务的研究

在移动电子政务平台中使用Web服务需考虑其安全性,只有通过身份验证和授权的用户才可以访问Web服务提供的服务,SOAP消息以明文形式在信道中传输,在不安全的信道中很容易泄密,需对敏感数据加密;针对这些问题,提出了一种基于.NET平台的解决方案;客户端在登录时,先获取服务端的公钥,再与服务端协商出用于SOAP消息加密用的非对称密钥与对称密钥,并获取加密后的SessionID;利用SOAP头实现身份验证,利用SOAP扩展实现SOAP消息的选择性加密,保证了Web服务的安全。     

多种算法融合的产品销售预测模型应用

销量预测一直是一个热点研究的课题,对于各个企业有着重要的意义.近年来,随着深度学习的崛起,用于销量预测的模型越来越多,而单一模型的预测性能往往不够理想,所以出现了越来越多的组合模型.本文利用Stacking策略将XGBoost、支持向量回归(Support Vector Regression, SVR)、GRU神经网络作为基础模型,然后将LightGBM作为最终的预测模型,并且融合了新的特征.集中了几种模型的优势,大大提高了模型的预测性能,更加接近真实的销量数据,为回归预测提供一种新的预测方法.     

基于Android的移动交警执法系统

随着移动应用的普及,以及交警工作的特性,传统的执法模式早已无法满足现实的需求.本系统使用当下比较流行、用户群体庞大的安卓手机操作系统,根据现实交通警察的业务需求,分析与设计该系统,实现交警移动执法,使交警能够充分利用现有信息资源,对现场违规事件进行实时登记处理,提高对现场处理涉嫌违章车辆的检查过程、取证过程和协查通报等的处理效率,及时掌握最新执法检查、执法处罚、执法规定等,为交警行业效益提供一定的技术保障.     

基于移动平台的三维虚拟试发型系统实现及应用

发型对一个人的形象气质有非常重要的影响,由此所产生的消费也日益增多。消费 者更换发型不适合后无法恢复,因此在换发型和发色之前预览非常必要。已有的发型图册和基于 二维图像的试发应用都存在较为明显的缺陷,不能提供真实的效果。为此,结合虚拟现实技术和 基于单张照片的三维人脸重建算法,实现了一个适用于移动端的三维虚拟试发系统,试发效果更 真实,并可进行多角度观察、更换发色和配饰等。系统在移动平台上进行搭建,通过合理的框架 设计和资源管理进行优化,用户体验和实用性更佳,满足移动用户的需求。     

HTML5移动web应用技术实现分析

与Native应用相比,移动web应用能很好地解决目前Native操作系统割裂的问题,将为产业链各方带来全新的平等竞争机会,引导移动互联网产业链的新模式发展。本文首先介绍了HTML5移动web应用的发展概况,然后分析了基于HTML5移动web应用相关技术标准的发展情况,随后对基于HTML5的移动web应用及终端的技术实现方案进行了分析,最后对全文内容进行了总结,从HTML5移动web应用、技术标准及终端的发展趋势进行了展望。