| 第一章 引言 | 第1-15页 |
| ·研究背景 | 第11-12页 |
| ·相关工作 | 第12页 |
| ·研究目的、内容、重点和创新点 | 第12-13页 |
| ·论文的研究方法和组织结构 | 第13-15页 |
| 第二章 数据库中的知识发现(KDD)综述 | 第15-35页 |
| ·KDD 简介 | 第15-16页 |
| ·KDD 的定义 | 第15页 |
| ·KDD 的发展历史 | 第15-16页 |
| ·KDD 过程 | 第16-27页 |
| ·问题定义与主题分析 | 第16-17页 |
| ·数据准备 | 第17-22页 |
| ·数据清洗 | 第17-18页 |
| ·数据集成 | 第18-19页 |
| ·数据选择 | 第19页 |
| ·数据变换 | 第19-20页 |
| ·数据归约 | 第20-22页 |
| ·数据质量分析 | 第22页 |
| ·数据挖掘 | 第22-25页 |
| ·建立什么样的模型/算法 | 第23页 |
| ·模型/算法的精确度 | 第23-24页 |
| ·模型/算法的验证 | 第24-25页 |
| ·模式评估 | 第25-26页 |
| ·知识表示与知识管理 | 第26-27页 |
| ·本文侧重的KDD 过程 | 第27-28页 |
| ·DM 功能及模式 | 第28-30页 |
| ·概念/类描述:特征化和区分 | 第28页 |
| ·关联分析 | 第28页 |
| ·分类和预测 | 第28-29页 |
| ·聚类分析 | 第29页 |
| ·孤立点分析 | 第29-30页 |
| ·演变分析 | 第30页 |
| ·DM 聚类算法简述 | 第30-33页 |
| ·聚类分析的定义 | 第30-31页 |
| ·聚类分析中的数据类型 | 第31-32页 |
| ·主要聚类算法 | 第32-33页 |
| ·划分方法(Partitioning method) | 第32页 |
| ·层次方法(Hierarchical method) | 第32-33页 |
| ·基于密度的方法(density-based method) | 第33页 |
| ·基于网格的方法(grid-based method) | 第33页 |
| ·基于模型的方法(Model-based method) | 第33页 |
| ·小结 | 第33-35页 |
| 第三章 人工神经网络(ANN) | 第35-43页 |
| ·简介 | 第35-36页 |
| ·神经网络的表示和学习 | 第36-38页 |
| ·基本神经元模型 | 第36页 |
| ·基本的神经网络模型 | 第36-38页 |
| ·感知机 | 第38页 |
| ·神经网络的学习 | 第38页 |
| ·自组织神经网络SOM 的结构和自组织学习算法 | 第38-41页 |
| ·小结 | 第41-43页 |
| 第四章 一种基于自组织神经网络的KDD 聚类算法及其实现 | 第43-56页 |
| ·目的 | 第43页 |
| ·SOM 分析 | 第43-44页 |
| ·动态适应的自组织神经网络聚类算法 | 第44-48页 |
| ·DASOM 的特性 | 第44-45页 |
| ·DASOM 算法详解 | 第45-48页 |
| ·DASOM 算法的实现 | 第48-55页 |
| ·伪代码 | 第49-55页 |
| ·算法主流程 | 第49-51页 |
| ·initializeGlobal()流程 | 第51-52页 |
| ·initializeLocal()流程 | 第52页 |
| ·learnPhase()流程 | 第52-53页 |
| ·prunePhase()流程 | 第53-54页 |
| ·growPhase()流程 | 第54页 |
| ·selfAdjustPhase()流程 | 第54-55页 |
| ·实现平台 | 第55页 |
| ·小结 | 第55-56页 |
| 第五章 DASOM 在电信行业中的应用 | 第56-74页 |
| ·DM 在电信行业的主要应用介绍 | 第56-58页 |
| ·数据库营销 | 第57页 |
| ·客户保持 | 第57页 |
| ·欠费和动态防欺诈 | 第57页 |
| ·市场和用户行为分析(MASA)系统 | 第57-58页 |
| ·毕设所在项目简介 | 第58-60页 |
| ·数据模型 | 第60-68页 |
| ·客户细分模型 | 第62-65页 |
| ·客户贡献分析——C2模型分析 | 第62-63页 |
| ·客户风险分析— R2模型分析 | 第63页 |
| ·客户风险贡献联合分析— RC 模型分析 | 第63-64页 |
| ·客户贡献的分级— ABC 模型分析 | 第64-65页 |
| ·HRSF 模型 | 第65-68页 |
| ·总体模型 | 第65-66页 |
| ·Filtering & Smoothing | 第66-67页 |
| ·EM 学习机制 | 第67-68页 |
| ·应用情况 | 第68-73页 |
| ·实验数据 | 第68页 |
| ·应用成效 | 第68-73页 |
| ·客户群细分 | 第68-70页 |
| ·反欺诈 | 第70-73页 |
| ·小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-75页 |
| ·总结 | 第74页 |
| ·展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 附录:综合营帐ODS 客户域、计费域主要实体关系及表设计 | 第79-105页 |
| 客户域 | 第79-95页 |
| 客户域主要实体关系图 | 第79-82页 |
| 客户域主要实体设计思路 | 第79-81页 |
| 客户域联系方法 | 第81页 |
| 客户域联系方法设计思路 | 第81-82页 |
| 表定义 | 第82-95页 |
| 计费域 | 第95-105页 |
| 计费账务域实体关系图 | 第95-96页 |
| 计费账务域设计思路 | 第96页 |
| 表定义 | 第96-105页 |
| 个人简历、论文发表情况 | 第105页 |
| 个人简历 | 第105页 |
| 论文发表情况 | 第105页 |
