| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景 | 第7-8页 |
| ·数据挖掘技术综述 | 第8-10页 |
| ·数据预处理 | 第9页 |
| ·数据分类与预测方法研究 | 第9-10页 |
| ·数据挖掘在移动通信中的应用研究 | 第10-12页 |
| ·本文的研究内容及工作安排 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·章节安排 | 第13-14页 |
| 第二章 聚类融合分析及开发平台综述 | 第14-23页 |
| ·聚类算法 | 第14-16页 |
| ·聚类融合算法 | 第16-21页 |
| ·术语和符号 | 第16-17页 |
| ·聚类融合中的关键问题 | 第17-19页 |
| ·现有聚类融合中算法性能比较 | 第19-20页 |
| ·聚类融合研究方法及步骤 | 第20-21页 |
| ·WEKA功能与挖掘流程 | 第21-22页 |
| ·WEKA功能 | 第21页 |
| ·WEKA的数据挖掘流程 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于K-MEANS的聚类融合算法 | 第23-36页 |
| ·K-MEANS算法概述 | 第23-26页 |
| ·K-means算法基本思想 | 第23-24页 |
| ·K-means算法举例 | 第24-25页 |
| ·K-means算法的分析 | 第25-26页 |
| ·基于K-MEANS的聚类融合算法 | 第26-31页 |
| ·K-means-CE聚类成员的产生 | 第26-27页 |
| ·融合函数的计算 | 第27-30页 |
| ·基于K-means聚类融合算法实验及分析 | 第30-31页 |
| ·基于规范化互信息的聚类融合结果的优化 | 第31-35页 |
| ·利用互信息进行聚类融合结果优化的基本思想 | 第31-33页 |
| ·实验分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 K-MEANS聚类融合算法在移动客户细分中的应用 | 第36-51页 |
| ·移动经营分析系统 | 第36-40页 |
| ·经营分析系统概述 | 第36-37页 |
| ·软件体系结构 | 第37-39页 |
| ·客户服务模块说明 | 第39-40页 |
| ·经分系统客户细分的数据挖掘与应用 | 第40-50页 |
| ·客户细分 | 第41-43页 |
| ·基于K-means聚类融合算法的客户细分 | 第43-47页 |
| ·基于K-means-CE优化算法的客户套餐细分 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·研究展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间主要的研究成果 | 第58页 |