| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-33页 |
| ·课题背景与研究意义 | 第13-15页 |
| ·课题背景 | 第13-15页 |
| ·课题来源与研究意义 | 第15页 |
| ·文献研究综述 | 第15-29页 |
| ·数据挖掘研究概述 | 第15-23页 |
| ·可拓数据挖掘研究综述 | 第23-28页 |
| ·可拓数据挖掘研究存在的问题和发展方向 | 第28-29页 |
| ·本文的主要工作、研究方法和创新点 | 第29-33页 |
| ·主要工作 | 第29-30页 |
| ·研究方法 | 第30-31页 |
| ·创新点 | 第31-33页 |
| 第2章 可拓学与可拓数据挖掘基础理论 | 第33-53页 |
| ·可拓学概述 | 第33-38页 |
| ·可拓学的研究概况与发展历程 | 第33-36页 |
| ·可拓学的研究对象 | 第36-38页 |
| ·可拓学的理论体系 | 第38-47页 |
| ·基元的概念 | 第38-39页 |
| ·拓展分析 | 第39-41页 |
| ·共轭分析 | 第41页 |
| ·可拓变换 | 第41-42页 |
| ·可拓集与关联函数 | 第42-46页 |
| ·可拓逻辑 | 第46-47页 |
| ·可拓学的方法论意义 | 第47-48页 |
| ·可拓学的应用研究 | 第48-50页 |
| ·在检测领域中的应用 | 第48-49页 |
| ·在管理领域中的应用 | 第49页 |
| ·在控制领域中的应用 | 第49-50页 |
| ·在信息领域中的应用 | 第50页 |
| ·在计算机领域中的应用 | 第50页 |
| ·可拓的商业化 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 基于可拓聚类的预测方法及其应用 | 第53-72页 |
| ·引言 | 第53-54页 |
| ·预测 | 第54-57页 |
| ·基于回归分析法的预测技术 | 第55页 |
| ·基于灰色系统理论的预测技术 | 第55-56页 |
| ·基于时间序列分析法的预测技术 | 第56页 |
| ·基于神经网络的预测技术 | 第56-57页 |
| ·聚类分析 | 第57-61页 |
| ·聚类分析中的数据结构 | 第58-59页 |
| ·数据挖掘对聚类的典型要求 | 第59-61页 |
| ·基于可拓的聚类预测模型 | 第61-64页 |
| ·基于系统聚类的属性约简 | 第61-62页 |
| ·可拓聚类预测的建模机制 | 第62页 |
| ·可拓聚类预测的物元模型 | 第62-64页 |
| ·可拓聚类预测应用研究 | 第64-70页 |
| ·基于系统聚类的属性约简 | 第65-67页 |
| ·经典域和节域的确定 | 第67-68页 |
| ·计算关联函数值 | 第68页 |
| ·计算权重系数和待测样本与各类别的关联度 | 第68-69页 |
| ·基于可拓聚类的预测 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第4章 基于可拓的客户繁衍价值研究与应用 | 第72-97页 |
| ·引言 | 第72页 |
| ·客户价值 | 第72-83页 |
| ·消费者行为模式和相关营销理论综述 | 第72-76页 |
| ·客户价值度量理论与电信业客户价值 | 第76-83页 |
| ·基于共轭分析的客户价值 | 第83-91页 |
| ·共轭分析 | 第83-85页 |
| ·基于共轭分析的客户价值 | 第85-87页 |
| ·口碑效应 | 第87-91页 |
| ·应用研究 | 第91-96页 |
| ·基于可拓的电信业客户繁衍价值 | 第91-92页 |
| ·基于可拓的客户繁衍价值应用研究 | 第92-96页 |
| ·本章小结 | 第96-97页 |
| 第5章 基于粗糙集联系度的可拓数据挖掘及其在企业品牌细分中的应用 | 第97-118页 |
| ·引言 | 第97-98页 |
| ·客户细分和电信品牌细分 | 第98-106页 |
| ·客户细分的意义 | 第98-100页 |
| ·客户细分研究现状 | 第100-101页 |
| ·客户细分的分类 | 第101-105页 |
| ·电信品牌细分 | 第105-106页 |
| ·粗糙集、模糊集和集对分析理论 | 第106-110页 |
| ·粗糙集理论 | 第106-107页 |
| ·集对分析和粗糙集的联系度 | 第107-109页 |
| ·模糊集理论 | 第109-110页 |
| ·属性约简 | 第110页 |
| ·基于粗糙集联系度的属性约简和权重系数的确定 | 第110-112页 |
| ·基于粗糙集联系度的属性约简 | 第110-111页 |
| ·基于粗糙集的权重系数的确定 | 第111-112页 |
| ·应用研究 | 第112-117页 |
| ·属性约简 | 第112-114页 |
| ·基于粗糙集和主观经验的权重系数的确定 | 第114-116页 |
| ·基于粗糙集联系度的可拓数据挖掘 | 第116-117页 |
| ·本章小结 | 第117-118页 |
| 第6章 基于可拓的关联规则研究及其应用 | 第118-132页 |
| ·引言 | 第118-119页 |
| ·关联规则 | 第119-122页 |
| ·关联规则的概念 | 第119-120页 |
| ·关联规则的种类 | 第120-121页 |
| ·关联规则挖掘研究趋势 | 第121-122页 |
| ·基于可拓的关联规则 | 第122-126页 |
| ·变化的关联规则 | 第122-124页 |
| ·基于可拓的关联规则 | 第124-126页 |
| ·基于可拓的关联规则应用研究 | 第126-131页 |
| ·可拓变换 | 第127-129页 |
| ·可拓关联规则 | 第129-131页 |
| ·本章小结 | 第131-132页 |
| 第7章 主要结论与研究展望 | 第132-137页 |
| ·主要结论 | 第132-135页 |
| ·研究展望 | 第135-137页 |
| 参考文献 | 第137-148页 |
| 攻读博士学位期间发表的论文(第一作者) | 第148-149页 |
| 攻读博士学位期间主持或参加的科研项目 | 第149页 |
| 攻读博士学位期间的获奖 | 第149-150页 |
| 致谢 | 第150页 |