| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·立项背景和研究意义 | 第8页 |
| ·国内外研究现状综述 | 第8-11页 |
| ·银行应用CRM 的现状 | 第8-9页 |
| ·数据挖掘在银行CRM 中的研究现状 | 第9-10页 |
| ·数据挖掘在客户分类方面的研究现状 | 第10-11页 |
| ·本文的研究内容与创新 | 第11-12页 |
| ·本文的篇章组织 | 第12-13页 |
| 第二章 相关理论研究概述 | 第13-23页 |
| ·银行客户关系管理概述 | 第13-15页 |
| ·银行客户关系管理 | 第13-14页 |
| ·客户分类理论 | 第14-15页 |
| ·决策树分类算法概述 | 第15-18页 |
| ·分类的概念及其评价标准 | 第15-16页 |
| ·决策树技术简介 | 第16-17页 |
| ·若干决策树分类算法 | 第17-18页 |
| ·决策树分类算法构建客户分类模型 | 第18-21页 |
| ·决策树分类算法的优势 | 第18-19页 |
| ·分类模型的效果评估 | 第19-21页 |
| ·Weka 数据挖掘平台介绍 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 构建基于银行CRM 的客户分类挖掘模型 | 第23-40页 |
| ·模型构建的基本思路 | 第23-24页 |
| ·数据的准备及预处理 | 第24-27页 |
| ·数据的来源及描述 | 第24页 |
| ·数据的预处理 | 第24-26页 |
| ·数据的预处理结果 | 第26-27页 |
| ·决策树分类算法的比较及选择 | 第27-34页 |
| ·Weka 平台下的决策树分类算法 | 第27-29页 |
| ·算法性能比较 | 第29-34页 |
| ·模型算法的选择 | 第34页 |
| ·C4.5 算法构建决策树分类模型 | 第34-38页 |
| ·C4.5 算法的建模思想 | 第34-36页 |
| ·决策树分类模型的构建结果 | 第36-38页 |
| ·C4.5 算法所构建模型的评估 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 银行CRM 客户分类模型中C4.5 算法的改进 | 第40-63页 |
| ·银行客户数据对算法改进的指导 | 第40-41页 |
| ·连续属性离散化的不足分析及改进 | 第41-46页 |
| ·C4.5 算法处理连续属性的不足 | 第41-42页 |
| ·连续属性离散化改进的理论依据 | 第42-44页 |
| ·IC4.5 算法对于连续属性离散化的改进实现 | 第44-46页 |
| ·离散属性分裂技术的改进研究 | 第46-50页 |
| ·二叉决策树策略的实现原理 | 第46-48页 |
| ·IC4.5 算法对于二叉决策树的实现 | 第48-50页 |
| ·REP 和EBP 后剪枝技术的研究与实现 | 第50-52页 |
| ·基于Weka 平台的IC4.5 算法设计 | 第52-57页 |
| ·关键成员变量和成员方法的设计 | 第52-54页 |
| ·IC4.5 算法的主要流程 | 第54页 |
| ·IC4.5 算法的封装 | 第54-57页 |
| ·算法性能评测 | 第57-62页 |
| ·实验的基本信息 | 第57-58页 |
| ·实验结果及分析 | 第58-60页 |
| ·算法运行及决策树比较 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 改进C4.5 算法在银行CRM 客户分类中的应用 | 第63-74页 |
| ·IC4.5 算法构建银行CRM 客户分类模型 | 第63-68页 |
| ·IC4.5 算法所构建模型的结果分析和评估 | 第68-70页 |
| ·客户分类模型的结果分析 | 第68-69页 |
| ·客户分类模型的评估 | 第69-70页 |
| ·两种分类模型的比较与选择 | 第70-71页 |
| ·客户分类模型的具体应用 | 第71-73页 |
| ·预测客户类别 | 第72页 |
| ·以客户分类为基础的差别化管理 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 结束语 | 第74-76页 |
| ·总结 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 在学期间发表的论文及科研成果清单 | 第79-80页 |
| 致谢 | 第80页 |