混合遗传聚类算法在客户细分中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-7页 |
| 第一章:引言 | 第7-12页 |
| ·研究背景和选题意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·论文研究目标及主要内容 | 第10页 |
| ·论文的结构安排 | 第10-12页 |
| 第二章 聚类分析 | 第12-22页 |
| ·聚类分析的定义 | 第12-13页 |
| ·数据挖掘对聚类算法的要求 | 第13页 |
| ·聚类算法的数据结构类型 | 第13-14页 |
| ·聚类分析中的相似度量方法 | 第14-16页 |
| ·主要聚类方法 | 第16-19页 |
| ·聚类方法的性能评价 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章:基于遗传算法的k-means聚类分析 | 第22-37页 |
| ·遗传算法的特点 | 第22-23页 |
| ·遗传算法流程 | 第23-28页 |
| ·k-means算法思想 | 第28页 |
| ·k-means算法的改进 | 第28-29页 |
| ·遗传算法与k-means算法的融合 | 第29-30页 |
| ·KGA算法流程 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 第四章:模拟系统的实现及评价 | 第37-50页 |
| ·混合遗传聚类算法 | 第37页 |
| ·实验环境 | 第37页 |
| ·系统实现及实验比较 | 第37-42页 |
| ·客户细分上的应用研究 | 第42-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·未来展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表论文 | 第56-57页 |
| 致谢 | 第57页 |
