| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 背景 | 第8-9页 |
| 1.2 国内外客户信息分析的发展应用现状 | 第9-11页 |
| 1.3 课题研究的意义 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 数据挖掘综述 | 第13-24页 |
| 2.1 数据挖掘定义 | 第13-14页 |
| 2.2 数据挖掘步骤 | 第14页 |
| 2.3 数据挖掘基本方法 | 第14-21页 |
| 2.3.1 分类 | 第15-19页 |
| 2.3.2 聚类分析 | 第19-20页 |
| 2.3.3 关联分析 | 第20-21页 |
| 2.4 数据挖掘的发展方向 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 移动 4G潜在客户分类预测 | 第24-49页 |
| 3.1 移动客户数据资料分析 | 第24-28页 |
| 3.1.1 目标问题的分析 | 第24-26页 |
| 3.1.2 数据可行性 | 第26页 |
| 3.1.3 挖掘工具可行性 | 第26-27页 |
| 3.1.4 算法选择分析 | 第27-28页 |
| 3.2 数据预处理 | 第28-30页 |
| 3.3 基于贝叶斯网络的移动潜在客户分预测 | 第30-35页 |
| 3.3.1 算法设计 | 第30-32页 |
| 3.3.2 贝叶斯网络的实现 | 第32-35页 |
| 3.4 基于C4.5 算法的移动潜在客户分预测 | 第35-41页 |
| 3.4.1 算法设计 | 第35-37页 |
| 3.4.2 C4.5 算法的实现 | 第37-41页 |
| 3.5 基于CART算法的移动潜在客户分预测 | 第41-45页 |
| 3.5.1 算法设计 | 第41-43页 |
| 3.5.2 CART算法的实现 | 第43-45页 |
| 3.6 分类算法效果的比较分析 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于聚类的移动客户数据深入挖掘 | 第49-62页 |
| 4.1 基于聚类的移动客户数据挖掘 | 第49-52页 |
| 4.1.1 聚类分析算法的设计 | 第49-50页 |
| 4.1.2 聚类分析的实现 | 第50-51页 |
| 4.1.3 基于聚类的移动客户深入挖掘方案 | 第51-52页 |
| 4.2 基于聚类的移动 4G潜在客户预测算法改进 | 第52-56页 |
| 4.2.1 改进算法的设计 | 第53页 |
| 4.2.2 改进算法的实现 | 第53-56页 |
| 4.3 流失客户预测分类挖掘 | 第56-59页 |
| 4.3.1 流失客户预测算法的设计 | 第56-57页 |
| 4.3.2 流失客户预测算法的实现 | 第57-59页 |
| 4.4 已办理业务客户关联分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 潜在客户的预测改进结果与实际应用效果的对比分析 | 第62-65页 |
| 5.1 反馈信息比较分析 | 第62-64页 |
| 5.2 算法改进方向 | 第64页 |
| 5.3 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 总结 | 第65-66页 |
| 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71页 |