| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究理论意义和实用价值 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·保险业CRM 在国外的成功案例 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·数据挖掘技术在保险业CRM 中的主要研究和应用方面 | 第11-13页 |
| ·本文主要研究工作和成果 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 数据挖掘及CRM 基本理论 | 第15-24页 |
| ·客户关系管理(CRM)理论 | 第15-18页 |
| ·CRM 的定义 | 第15页 |
| ·CRM 中数据挖掘的体系结构 | 第15-17页 |
| ·CRM 的主要功能 | 第17-18页 |
| ·CRM 的核心思想 | 第18页 |
| ·数据挖掘理论 | 第18-23页 |
| ·数据仓库和数据挖掘的联系 | 第18-19页 |
| ·数据挖掘的概念和流程 | 第19-21页 |
| ·数据挖掘的应用及当前面临的问题 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 数据挖掘技术在CRM 中的应用 | 第24-35页 |
| ·数据挖掘在CRM 中的作用 | 第25-26页 |
| ·CRM 中的数据挖掘过程 | 第26-28页 |
| ·CRM 中的几种常用数据挖掘算法介绍 | 第28-34页 |
| ·分类分析 | 第29-31页 |
| ·关联分析 | 第31-32页 |
| ·聚类分析 | 第32-33页 |
| ·序列分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 数据挖掘的分类技术在保险业CRM 中的应用 | 第35-54页 |
| ·分类的定义 | 第35-37页 |
| ·分类算法介绍 | 第37-41页 |
| ·决策树分类 | 第38-39页 |
| ·贝叶斯分类 | 第39-40页 |
| ·神经网络 | 第40-41页 |
| ·针对客户群体细分的决策树算法的改进及应用 | 第41-47页 |
| ·ID3 算法的分析 | 第41-42页 |
| ·ID3 算法的不足及改进 | 第42-44页 |
| ·ID3 算法及其改进算法应用及对比 | 第44-47页 |
| ·针对客户流失的神经网络算法的应用 | 第47-53页 |
| ·客户流失问题描述 | 第48-50页 |
| ·神经网络基本原理 | 第50-51页 |
| ·基于神经网络的保险业客户流失预测分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于Weka 平台的保险业CRM 系统的构建 | 第54-67页 |
| ·Weka 平台的介绍 | 第54-55页 |
| ·数据收集 | 第55页 |
| ·数据集成 | 第55-56页 |
| ·数据转换 | 第56-60页 |
| ·部分系统功能的实现 | 第60-66页 |
| ·基于weka 平台的关联规则分析 | 第60-61页 |
| ·基于Weka 平台的决策树分析 | 第61-65页 |
| ·基于Weka 平台的聚类分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结束语 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间发表的学术论文目录 | 第71-73页 |
| 致谢 | 第73-74页 |
| 详细摘要 | 第74-78页 |
