基于数据挖掘技术的固网电信客户信用度研究
| 内容提要 | 第1-7页 |
| 第一章 引言 | 第7-11页 |
| ·研究背景 | 第7-9页 |
| ·数据挖掘技术的背景 | 第7-8页 |
| ·我国电信行业客户信用度现状 | 第8-9页 |
| ·本文主要工作和论文结构 | 第9-10页 |
| ·论文的主要工作及研究方法 | 第9页 |
| ·论文结构 | 第9-10页 |
| ·论文创新点和意义 | 第10-11页 |
| ·论文创新点 | 第10页 |
| ·论文意义 | 第10-11页 |
| 第二章 数据挖掘技术研究综述 | 第11-23页 |
| ·数据挖掘的定义及目的 | 第11-12页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的目的 | 第11-12页 |
| ·数据挖掘的分析方法 | 第12-14页 |
| ·关联分析 | 第12-13页 |
| ·序列模式分析 | 第13页 |
| ·分类分析 | 第13页 |
| ·聚类分析 | 第13-14页 |
| ·数据挖掘的主流算法 | 第14-16页 |
| ·神经元网络 | 第14页 |
| ·决策树 | 第14-15页 |
| ·粗集方法 | 第15页 |
| ·遗传算法 | 第15-16页 |
| ·数据挖掘步骤 | 第16-19页 |
| ·理解和定义问题 | 第16页 |
| ·数据的收集和抽取 | 第16-17页 |
| ·数据的整合 | 第17页 |
| ·数据的清洗 | 第17-18页 |
| ·建立挖掘模型 | 第18页 |
| ·数据挖掘结果的评估 | 第18页 |
| ·数据挖掘模型的发布 | 第18-19页 |
| ·数据挖掘应用 | 第19-20页 |
| ·科学研究 | 第19页 |
| ·金融投资 | 第19页 |
| ·市场营销 | 第19-20页 |
| ·保险业 | 第20页 |
| ·制造业 | 第20页 |
| ·通信网络管理 | 第20页 |
| ·数据挖掘未来研究方向 | 第20-23页 |
| 第三章 运营分析系统简介 | 第23-25页 |
| ·分析系统硬件介绍 | 第23页 |
| ·分析系统软件介绍 | 第23-24页 |
| ·分析系统功能介绍 | 第24-25页 |
| 第四章 本文使用的主要数据模型及算法简介 | 第25-34页 |
| ·神经网络 | 第25-29页 |
| ·神经网络概述 | 第25页 |
| ·神经元基本模型 | 第25-26页 |
| ·神经网络的基本原理 | 第26页 |
| ·神经网络信息处理的基本特性 | 第26-27页 |
| ·神经网络的学习方式及学习算法 | 第27-29页 |
| ·学习方式 | 第28页 |
| ·学习算法 | 第28-29页 |
| ·决策树 | 第29-34页 |
| ·决策树算法简介 | 第29-30页 |
| ·衡量决策树分裂好坏的常用标准 | 第30-32页 |
| ·决策树的优点 | 第32页 |
| ·决策树的用处 | 第32页 |
| ·算法 | 第32-34页 |
| 第五章 固网电信客户信用度评估的设计与实现 | 第34-52页 |
| ·项目需求 | 第34页 |
| ·数据的收集和抽取 | 第34-39页 |
| ·数据源描述 | 第34-37页 |
| ·数据质量描述 | 第37-39页 |
| ·数据准备 | 第39-45页 |
| ·数据的整合 | 第39-40页 |
| ·清洗数据 | 第40-41页 |
| ·构建数据 | 第41-44页 |
| ·选择数据 | 第44-45页 |
| ·确定训练集和结果集 | 第45页 |
| ·建立挖掘模型 | 第45-49页 |
| ·神经网络模型 | 第47-48页 |
| ·C5.0 决策树模型 | 第48-49页 |
| ·模型选择 | 第49页 |
| ·模型发布 | 第49-52页 |
| 第六章 总结 | 第52-53页 |
| 参考文献 | 第53-54页 |
| 论文摘要 | 第54-57页 |
| Abstract | 第57-61页 |
| 致谢 | 第61页 |
