| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题背景 | 第11-13页 |
| ·研究现状 | 第13-14页 |
| ·数据挖掘研究现状 | 第13-14页 |
| ·客户消费行为分析研究 | 第14页 |
| ·课题的意义 | 第14-15页 |
| ·主要工作 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第2章 数据挖掘概述 | 第18-25页 |
| ·数据挖掘的概念及特点 | 第18页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·客户消费行为分析系统需求分析 | 第19-20页 |
| ·数据挖掘的方法 | 第20-23页 |
| ·聚类 | 第20-21页 |
| ·关联规则 | 第21-22页 |
| ·决策树 | 第22-23页 |
| ·数据挖掘的应用 | 第23-24页 |
| ·本章小节 | 第24-25页 |
| 第3章 基于数据挖掘技术的客户消费行为分析系统的设计 | 第25-29页 |
| ·系统设计目标 | 第25-26页 |
| ·系统总体构架设计 | 第26-27页 |
| ·系统流程图 | 第27页 |
| ·数据挖掘系统模型 | 第27-28页 |
| ·本章小节 | 第28-29页 |
| 第4章 数据仓库的设计 | 第29-35页 |
| ·数据仓库的建设 | 第29-31页 |
| ·建立维表 | 第31-34页 |
| ·建立初始的多维数据模型 | 第34页 |
| ·数据挖掘软件的简介 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第5章 数据挖掘模块的设计 | 第35-58页 |
| ·数据挖掘模块概述 | 第35页 |
| ·数据挖掘模块用例图 | 第35-36页 |
| ·数据挖掘模块总体活动图 | 第36-37页 |
| ·指标的选择 | 第37-39页 |
| ·数据的预处理 | 第39-40页 |
| ·K-means聚类算法在客户消费行为分析中的应用 | 第40-43页 |
| ·K-means算法的实现 | 第40-41页 |
| ·结果分析 | 第41页 |
| ·算法改进 | 第41-43页 |
| ·Apriori关联规则在客户消费行为分析中的应用 | 第43-48页 |
| ·Apriori频繁项集 | 第44页 |
| ·Apriori算法的实现 | 第44-46页 |
| ·结果分析 | 第46-47页 |
| ·算法改进 | 第47-48页 |
| ·决策树C5.0在客户消费行为分析中的应用 | 第48-55页 |
| ·样本选择 | 第48-50页 |
| ·决策树C5.0算法原理及实现过程 | 第50-53页 |
| ·结果分析 | 第53-55页 |
| ·系统界面展示 | 第55-57页 |
| ·本章小节 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表论文情况 | 第64页 |
