基于Web日志挖掘的铁路客户行为分析模型与算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·国内外铁路客户行为分析研究现状 | 第13-14页 |
| ·国内外Web数据挖掘研究现状 | 第14-15页 |
| ·研究内容及组织结构 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 铁路客户行为分析指标体系 | 第17-25页 |
| ·客户行为分析的内涵和目标 | 第17-18页 |
| ·铁路客户行为分析指标体系的建立 | 第18-20页 |
| ·铁路客户行为分析的目标 | 第18-19页 |
| ·铁路客户行为分析指标的构建 | 第19-20页 |
| ·铁路客户行为分析体系指标度量方法 | 第20-24页 |
| ·旅客特征信息指标度量方法 | 第20-21页 |
| ·用户使用偏好信息的度量方法 | 第21-22页 |
| ·旅客购票行为信息的度量方法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 铁路客运客户群细分算法与模型 | 第25-35页 |
| ·铁路客户群细分的步骤 | 第25-26页 |
| ·SOM-KMEANS混合算法 | 第26-29页 |
| ·SOM算法 | 第26-28页 |
| ·K中心点算法 | 第28页 |
| ·SOM-Kmeans算法 | 第28-29页 |
| ·基于用户使用偏好的客户群细分模型 | 第29-32页 |
| ·用户使用偏好定义 | 第29-31页 |
| ·铁路客户群细分模型 | 第31-32页 |
| ·实例 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 铁路网络售票量预测模型与算法 | 第35-45页 |
| ·BP神经网络模型概述 | 第35-37页 |
| ·网络售票量预测模型 | 第37-41页 |
| ·网络售票量长期预测 | 第38-39页 |
| ·网络售票量短期预测 | 第39-40页 |
| ·基于改进的BP神经网络的客运售票量预测算法 | 第40-41页 |
| ·实例 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 铁路客户行为分析原型系统设计与实现 | 第45-56页 |
| ·原型系统设计 | 第45-47页 |
| ·系统功能设计 | 第45-46页 |
| ·铁路客运客户行为分析系统架构 | 第46-47页 |
| ·原型系统的实现 | 第47-55页 |
| ·开发环境 | 第47-48页 |
| ·数据库设计 | 第48-49页 |
| ·原型系统的实现 | 第49-52页 |
| ·系统分析结果 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
