| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 1.4 本文的结构安排 | 第10-12页 |
| 第二章 相关理论综述 | 第12-22页 |
| 2.1 知识发现理论 | 第12-14页 |
| 2.1.1 知识发现的定义 | 第12页 |
| 2.1.2 知识发现的过程 | 第12-13页 |
| 2.1.3 知识发现的功能 | 第13-14页 |
| 2.2 客户关系管理理论 | 第14-16页 |
| 2.2.1 客户关系管理基本概念 | 第14-15页 |
| 2.2.2 客户知识的概念及其主要特征 | 第15页 |
| 2.2.3 电信 CRM 中客户知识的发现 | 第15-16页 |
| 2.3 粗糙集理论 | 第16-21页 |
| 2.3.1 粗糙集理论基本概念 | 第17-18页 |
| 2.3.2 粗糙集的知识表达 | 第18页 |
| 2.3.3 粗糙集的数字特征 | 第18-20页 |
| 2.3.4 粗糙集的应用方向 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于粗糙集的数据预处理 | 第22-27页 |
| 3.1 数据的预处理 | 第22-23页 |
| 3.1.1 数据预处理的过程模型 | 第22页 |
| 3.1.2 数据预处理的基本方法 | 第22-23页 |
| 3.2 决策表冗余数据的清洗 | 第23-24页 |
| 3.3 不完备决策表的数据预处理 | 第24-26页 |
| 3.3.1 一般的遗漏数据处理方法 | 第24页 |
| 3.3.2 基于粗糙集的不完备数据分析方法 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 基于粗糙集的关联知识发现 | 第27-31页 |
| 4.1 关联规则概述 | 第27页 |
| 4.2 关联规则基本概念 | 第27-28页 |
| 4.3 关联规则分类 | 第28-29页 |
| 4.4 关联规则挖掘算法 | 第29-30页 |
| 4.5 本章小结 | 第30-31页 |
| 第五章 基于粗糙集的电信 CRM 客户价值分类 | 第31-43页 |
| 5.1 电信 CRM 中的客户知识发现 | 第31-32页 |
| 5.2 基于粗糙集的客户价值分类预测 | 第32-41页 |
| 5.2.1 基于粗糙集的电信 CRM 关联规则获取模型 | 第32页 |
| 5.2.2 实验工具描述 | 第32-33页 |
| 5.2.3 数据准备 | 第33-35页 |
| 5.2.4 数据预处理过程 | 第35-37页 |
| 5.2.5 客户分类规则提取 | 第37-40页 |
| 5.2.6 挖掘结果分析评价 | 第40-41页 |
| 5.3 遇到的问题及解决方案 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第六章 结论 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-47页 |
| 附录 A 攻读学位期间发表的论文 | 第47-48页 |
| 大摘要 | 第48-52页 |