| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·数据挖掘研究及其在电信行业的研究 | 第8-12页 |
| ·数据挖掘的主要功能 | 第8-9页 |
| ·数据挖掘系统 | 第9-10页 |
| ·数据挖掘在电信领域的应用 | 第10-11页 |
| ·基于数据挖掘的客户细分与传统的细分方法相比具备的优点 | 第11-12页 |
| ·国内外研究现状及分析 | 第12-13页 |
| ·研究目的及意义 | 第13页 |
| ·研究内容 | 第13-15页 |
| 第2章 相关理论基础 | 第15-25页 |
| ·数据挖掘理论概述 | 第15-18页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘与传统分析方法的区别 | 第15页 |
| ·数据挖掘中的知识发现过程 | 第15-16页 |
| ·数据挖掘的分类 | 第16-17页 |
| ·数据挖掘常用的方法 | 第17-18页 |
| ·客户细分研究综述 | 第18-24页 |
| ·客户细分理论的产生 | 第18-19页 |
| ·客户细分的概念 | 第19-20页 |
| ·客户细分的目的和作用 | 第20页 |
| ·客户细分原则 | 第20-21页 |
| ·客户细分方法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 业务理解和构建数据仓库 | 第25-35页 |
| ·模型的工作流程 | 第25页 |
| ·模型总体构架 | 第25页 |
| ·开发工具 | 第25页 |
| ·业务理解 | 第25-28页 |
| ·电信企业的业务及其特点 | 第25-26页 |
| ·电信企业客户特征分析 | 第26页 |
| ·指标选取 | 第26-27页 |
| ·电信客户维度分析 | 第27-28页 |
| ·客户指标体系建立 | 第28页 |
| ·构建数据仓库 | 第28-33页 |
| ·数据仓库模型 | 第28-31页 |
| ·数据清洗 | 第31-32页 |
| ·数据规约 | 第32-33页 |
| ·数据库接口 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 细分模型的设计和实现 | 第35-56页 |
| ·目前电信企业常用细分模型 | 第35页 |
| ·聚类分析技术 | 第35-38页 |
| ·聚类分析技术概念 | 第36页 |
| ·数据挖掘对聚类分析的典型要求 | 第36-37页 |
| ·聚类算法的类型 | 第37-38页 |
| ·聚类结果的评价指标 | 第38页 |
| ·挖掘模型设计 | 第38-46页 |
| ·K-means算法简介 | 第39-40页 |
| ·基于K-means算法的模型设计 | 第40-41页 |
| ·K-means客户细分模型的不足 | 第41-42页 |
| ·BP神经网络简介 | 第42-45页 |
| ·基于BP神经网络的模型设计 | 第45-46页 |
| ·系统模块设计 | 第46-48页 |
| ·模型输出 | 第48-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 模型的应用实例和评估 | 第56-60页 |
| ·实验环境 | 第56页 |
| ·实验目的 | 第56页 |
| ·实验简介 | 第56-59页 |
| ·模型评估 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-61页 |
| ·主要结论 | 第60页 |
| ·研究展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64-65页 |