基于数据挖掘方法的移动用户集团识别研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-11页 |
| 1.1 课题研究背景 | 第7-8页 |
| 1.2 国内外研究现状及发展趋势 | 第8-9页 |
| 1.3 课题研究的目的及意义 | 第9-10页 |
| 1.4 本文的结构安排 | 第10-11页 |
| 第2章 数据挖掘概述 | 第11-17页 |
| 2.1 数据挖掘 | 第11-15页 |
| 2.1.1 数据挖掘定义 | 第11-12页 |
| 2.1.2 数据挖掘与传统统计学的区别 | 第12-14页 |
| 2.1.3 数据挖掘在移动通信业中的应用 | 第14-15页 |
| 2.2 分类算法 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第3章 K近邻方法与支持向量机方法简介 | 第17-30页 |
| 3.1 K近邻方法 | 第17-23页 |
| 3.1.1 K近邻方法概述 | 第17-18页 |
| 3.1.2 K近邻方法要素 | 第18-22页 |
| 3.1.3 算法的优缺点 | 第22-23页 |
| 3.2 支持向量机 | 第23-29页 |
| 3.2.1 支持向量机方法概述 | 第23页 |
| 3.2.2 支持向量机方法基本原理 | 第23-29页 |
| 3.2.3 支持向量机方法优缺点 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 移动用户集团数据的统计分析 | 第30-43页 |
| 4.1 数据说明 | 第30页 |
| 4.2 数据预处理 | 第30-34页 |
| 4.2.1 缺失值处理 | 第31-32页 |
| 4.2.2 数据规约 | 第32-34页 |
| 4.3 KNN模型建立 | 第34-39页 |
| 4.4 SVM模型建立 | 第39-41页 |
| 4.5 基于KNN和SVM两种模型分析结果的比较 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 结论与展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49-50页 |
