| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 引言 | 第12-20页 |
| ·课题研究背景 | 第12-13页 |
| ·国内外相关研究 | 第13-15页 |
| ·国外研究动态 | 第13-14页 |
| ·国内研究动态 | 第14-15页 |
| ·数据挖掘在保险领域中的应用 | 第15-16页 |
| ·研究意义 | 第16-18页 |
| ·论文组织结构 | 第18-20页 |
| 第二章 相关理论技术介绍 | 第20-30页 |
| ·数据挖掘简介 | 第20-22页 |
| ·数据挖掘流程 | 第22-24页 |
| ·定义问题 | 第22-23页 |
| ·数据预处理 | 第23页 |
| ·数据挖掘 | 第23-24页 |
| ·结果分析 | 第24页 |
| ·数据挖掘技术 | 第24-25页 |
| ·数据挖掘分类 | 第25-26页 |
| ·数据挖掘工具 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 聚类分析算法、分类分析算法和关联规则算法研究 | 第30-44页 |
| ·聚类分析介绍 | 第30-31页 |
| ·K-means算法及其改进 | 第31-35页 |
| ·分类分析介绍 | 第35-36页 |
| ·决策树C4.5分类算法 | 第36-38页 |
| ·关联规则介绍 | 第38-39页 |
| ·Apriori算法 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 数据挖掘在保险客户数据中的分析 | 第44-58页 |
| ·商业理解分析 | 第44-46页 |
| ·数据来源 | 第44页 |
| ·精众电子行销平台 | 第44-45页 |
| ·消费能力模型 | 第45-46页 |
| ·挖掘任务可行性分析 | 第46-47页 |
| ·数据可行性 | 第46页 |
| ·挖掘工具可行性 | 第46-47页 |
| ·数据预处理过程 | 第47-50页 |
| ·数据清理与降维 | 第47-50页 |
| ·数据转换与规格化 | 第50页 |
| ·保险客户数据挖掘分析模型 | 第50-52页 |
| ·客户数据挖掘模型 | 第50-52页 |
| ·客户数据分析模型 | 第52页 |
| ·保险客户的数据分析 | 第52-57页 |
| ·K-means算法对训练集保险客户数据进行聚类 | 第53-56页 |
| ·保险客户数据关联分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于数据挖掘的保险客户数据应用研究 | 第58-70页 |
| ·客户数据挖掘模型建模 | 第58-62页 |
| ·数据准备 | 第58-59页 |
| ·数据加工 | 第59-62页 |
| ·WEKA工具环境构建 | 第62-64页 |
| ·决策树算法对数据进行预测分类及结果分析 | 第64-66页 |
| ·C4.5算法数据应用 | 第64-65页 |
| ·结果分析 | 第65-66页 |
| ·关联挖掘Apriori算法实例及结果分析 | 第66-70页 |
| ·Apriori算法数据应用 | 第66-69页 |
| ·结果分析 | 第69-70页 |
| 第六章 总结及展望 | 第70-74页 |
| ·论文工作总结 | 第70-71页 |
| ·未来工作展望 | 第71-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录1 攻读硕士学位期间所发表软著及实践情况 | 第80页 |