| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题的背景与意义 | 第9-10页 |
| 1.2 现状研究 | 第10-12页 |
| 1.2.1 Hadoop技术的应用研究现状 | 第10页 |
| 1.2.2 零售银行客户分类研究现状 | 第10-11页 |
| 1.2.3 基于决策树算法的客户分类研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 相关理论介绍 | 第14-23页 |
| 2.1 数据挖掘概念及过程 | 第14-15页 |
| 2.2 基于粗糙集理论的属性约简算法 | 第15-19页 |
| 2.2.1 粗糙集理论概述 | 第15-17页 |
| 2.2.2 属性约简算法介绍 | 第17-19页 |
| 2.3 基于CAIM准则的数据离散化方法 | 第19-22页 |
| 2.3.1 CAIM准则概述 | 第19-20页 |
| 2.3.2 基于CAIM准则的数据离散化算法介绍 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 C4.5 算法及其改进算法 | 第23-30页 |
| 3.1 决策树算法概述 | 第23-24页 |
| 3.2 ID3算法 | 第24-26页 |
| 3.3 C4.5 算法 | 第26-27页 |
| 3.4 一种改进的C4.5 算法 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 零售银行客户精准分类模型构建 | 第30-39页 |
| 4.1 零售银行客户二维分类规则 | 第30-32页 |
| 4.2 零售银行客户数据介绍 | 第32-34页 |
| 4.3 零售银行客户精准分类模型构建 | 第34-38页 |
| 4.3.1 数据离散化处理 | 第35页 |
| 4.3.2 属性约简 | 第35-36页 |
| 4.3.3 构建决策树分类模型 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 基于Hadoop平台的零售银行客户精准分类模型 | 第39-49页 |
| 5.1 Hadoop平台介绍 | 第39-42页 |
| 5.1.1 Hadoop生态系统简介 | 第39-40页 |
| 5.1.2 HDFS简介 | 第40-41页 |
| 5.1.3 MapReduce框架简介 | 第41-42页 |
| 5.2 Hadoop平台搭建 | 第42-45页 |
| 5.3 模型构建算法并行化 | 第45-48页 |
| 5.3.1 基于互信息的属性约简算法的并行化 | 第45-46页 |
| 5.3.2 根据信息增益率构建决策树算法的并行化 | 第46-48页 |
| 5.4 本章总结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 论文工作总结 | 第49-50页 |
| 6.2 下一步工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间的研究成果 | 第55页 |