| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·论文选题及其研究意义 | 第8-9页 |
| ·国内外研究现状与发展趋势 | 第9-10页 |
| ·本文研究的主要内容、目标和方法 | 第10-12页 |
| ·论文的组织 | 第12-13页 |
| 2 理论基础 | 第13-25页 |
| ·数据挖掘技术 | 第13-17页 |
| ·数据挖掘技术(DM)简介 | 第13页 |
| ·数据挖掘任务 | 第13-14页 |
| ·数据挖掘对象 | 第14页 |
| ·数据挖掘流程 | 第14-15页 |
| ·数据挖掘的方法 | 第15-17页 |
| ·结束语 | 第17页 |
| ·RBF 神经网络 | 第17-20页 |
| ·人工神经网络的特点和基本原理 | 第17-18页 |
| ·人工神经网络的分类 | 第18-19页 |
| ·RBF 神经网络结构 | 第19-20页 |
| ·RBF 网络参数选取 | 第20页 |
| ·聚类技术 | 第20-25页 |
| ·分裂法(Partitioning methods) | 第21-22页 |
| ·层次法(Hierarchical methods) | 第22-23页 |
| ·基于密度的方法(Density-based methods) | 第23-24页 |
| ·基于网格的方法(Grid-based methods) | 第24页 |
| ·基于模型的方法(Model-based methods) | 第24-25页 |
| 3 客户价值与客户分类 | 第25-34页 |
| ·客户价值内涵 | 第25-26页 |
| ·客户价值的具体表现 | 第26页 |
| ·客户价值评估 | 第26-30页 |
| ·客户价值评估理论模型 | 第26-28页 |
| ·客户价值评价体系和模型 | 第28-30页 |
| ·电信客户价值评估模型 | 第30页 |
| ·基于客户价值的客户分类 | 第30-33页 |
| ·改进的k 平均算法 | 第31页 |
| ·度量标准化 | 第31-32页 |
| ·对象与簇中心之间的距离 | 第32页 |
| ·平方误差准则 | 第32页 |
| ·引入权重 | 第32-33页 |
| ·结论 | 第33-34页 |
| 4 客户流失分析与建模 | 第34-50页 |
| ·客户流失分析背景 | 第34-35页 |
| ·客户流失的定义和类型 | 第35-38页 |
| ·客户流失类型 | 第35页 |
| ·客户流失分析目的 | 第35页 |
| ·客户流失指标 | 第35-38页 |
| ·数据准备 | 第38-41页 |
| ·数据抽取 | 第38-39页 |
| ·数据清洗及转换 | 第39页 |
| ·属性规约 | 第39-41页 |
| ·客户流失预测模型 | 第41-46页 |
| ·模型分析 | 第41-42页 |
| ·RBF 神经网络预测模型 | 第42-45页 |
| ·时间序列预测 | 第45-46页 |
| ·模型仿真及应用 | 第46-49页 |
| ·减少客户流失实施客户保持 | 第49-50页 |
| 5 结论和展望 | 第50-52页 |
| ·论文工作小结 | 第50页 |
| ·今后研究工作思路 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 独创性声明 | 第55页 |
| 学位论文版权使用授权书 | 第55页 |
