| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·课题的研究背景与意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文内容及结构安排 | 第9-11页 |
| 第二章 聚类分析 | 第11-24页 |
| ·概述 | 第11-12页 |
| ·聚类分析中的数据结构和数据类型 | 第12-17页 |
| ·数据结构 | 第12-13页 |
| ·数据类型 | 第13-17页 |
| ·数据挖掘中的聚类分析方法 | 第17-21页 |
| ·划分聚类算法 | 第17-18页 |
| ·层次聚类算法 | 第18页 |
| ·基于密度的算法 | 第18-19页 |
| ·基于网格的算法 | 第19-20页 |
| ·基于模型的聚类算法 | 第20页 |
| ·模糊聚类算法 | 第20-21页 |
| ·聚类分析中的相似性度量 | 第21-22页 |
| ·聚类准则函数 | 第22-24页 |
| 第三章 K-MEANS聚类算法分析 | 第24-30页 |
| ·K-MEANS算法的基本思想 | 第24-25页 |
| ·K-MEANS算法的主要步骤 | 第25-28页 |
| ·K-MEANS算法的优缺点 | 第28-29页 |
| ·K-MEANS聚类算法的改进措施 | 第29-30页 |
| 第四章 基于加权蚁群聚类的WAC K-MEANS算法 | 第30-44页 |
| ·蚁群算法概述 | 第30-35页 |
| ·基本蚁群算法的原理 | 第30-31页 |
| ·基本蚁群算法的模型特征 | 第31-34页 |
| ·蚁群算法的实现 | 第34-35页 |
| ·基于加权的蚁群聚类算法 | 第35-38页 |
| ·算法思想 | 第35-36页 |
| ·算法步骤描述 | 第36页 |
| ·算法的验证 | 第36-38页 |
| ·改进的基于加权蚁群聚类的WAC K-MEANS算法 | 第38-41页 |
| ·算法对比与分析 | 第41-44页 |
| ·实验步骤 | 第41-42页 |
| ·算法精确度对比分析 | 第42页 |
| ·算法时间对比分析 | 第42-44页 |
| 第五章 改进算法在供电企业CRM中的应用 | 第44-59页 |
| ·CRM概述 | 第44页 |
| ·供电企业客户关系管理 | 第44-46页 |
| ·供电企业客户评价指标体系 | 第46-52页 |
| ·客户购电水平 | 第47-48页 |
| ·客户信用状况 | 第48-49页 |
| ·客户发展潜力 | 第49-51页 |
| ·用电特性 | 第51-52页 |
| ·实验结果与分析 | 第52-59页 |
| ·数据准备 | 第52-53页 |
| ·数据预处理 | 第53-54页 |
| ·聚类分析过程 | 第54页 |
| ·算法处理模块 | 第54-55页 |
| ·客户细分结果 | 第55-59页 |
| 第六章 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在学期间发表的学术论文和参加科研情况 | 第64页 |