基于神经网络模型的银行客户分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·问题提出背景 | 第9页 |
| ·研究目的与意义 | 第9-11页 |
| ·研究目的 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究内容与结构 | 第11-12页 |
| ·本文关键技术与创新点 | 第12-13页 |
| ·本文关键技术 | 第12页 |
| ·研究创新点 | 第12-13页 |
| 第二章 银行客户分类理论和方法的概述 | 第13-23页 |
| ·银行客户分类的相关理论 | 第13-16页 |
| ·客户的含义 | 第13页 |
| ·客户分类 | 第13-14页 |
| ·国内银行面临的问题 | 第14-15页 |
| ·银行客户分类问题 | 第15-16页 |
| ·分类指标的选取方法 | 第16-18页 |
| ·基于客户统计学特征的分类指标 | 第16-17页 |
| ·基于客户购买行为的分类指标 | 第17页 |
| ·基于客户价值的分类指标 | 第17-18页 |
| ·银行客户分类方法 | 第18-22页 |
| ·K-means 方法 | 第19-20页 |
| ·贝叶斯分类方法 | 第20-21页 |
| ·决策树方法 | 第21-22页 |
| ·神经网络方法 | 第22页 |
| 本章小结 | 第22-23页 |
| 第三章 基于遗传神经网络的分类模型设计 | 第23-38页 |
| ·人工神经网络相关理论 | 第23-28页 |
| ·神经元模型 | 第23-24页 |
| ·神经网络的特点 | 第24页 |
| ·神经网络的拓扑结构 | 第24-25页 |
| ·神经网络的学习方式 | 第25-26页 |
| ·BP 算法（误差反向传播算法）的介绍 | 第26-28页 |
| ·遗传算法相关理论 | 第28-30页 |
| ·遗传算法的基本运算 | 第28-30页 |
| ·遗传算法的一般流程 | 第30页 |
| ·自适应遗传算法 | 第30-34页 |
| ·自适应遗传算法的特点 | 第31页 |
| ·自适应遗传算法的改进 | 第31-34页 |
| ·自适应遗传算法进化型神经网络 | 第34-37页 |
| ·神经网络的缺陷 | 第34-35页 |
| ·自适应遗传神经网络 | 第35-37页 |
| 本章小结 | 第37-38页 |
| 第四章 网络模型在银行客户分类应用中的比较分析 | 第38-49页 |
| ·样本数据采集 | 第38页 |
| ·样本数据预处理 | 第38-43页 |
| ·数值化属性 | 第38-39页 |
| ·样本指标描述性统计 | 第39-40页 |
| ·样本影响因子分析 | 第40-43页 |
| ·基于改进自适应遗传神经网络的银行客户分类模型 | 第43-47页 |
| ·模型结构的确定与参数的选取 | 第43-45页 |
| ·网络的训练和结果检验 | 第45-47页 |
| ·分类准确率的比较 | 第45-46页 |
| ·遗传算法收敛速度的比较 | 第46-47页 |
| ·对不同类型客户的差异化服务 | 第47-48页 |
| 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在学研究成果 | 第53-54页 |
| 致谢 | 第54页 |
