面向CRM的贝叶斯分类算法及并行化研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-14页 |
| 1．1 论文选题及其研究意义 | 第9-10页 |
| 1．2 国内外现状综述 | 第10-12页 |
| 1．2．1 历史的演变 | 第10-11页 |
| 1．2．2 技术的演变 | 第11-12页 |
| 1．2．3 贝叶斯分类的发展 | 第12页 |
| 1．3 论文研究的主要内容 | 第12-14页 |
| 1．3．1 本文研究的目的 | 第12-13页 |
| 1．3．2 本文研究的主要内容 | 第13-14页 |
| 2 CRM与分类算法的研究 | 第14-33页 |
| 2．1 数据挖掘技术 | 第14-20页 |
| 2．1．1 数据挖掘的的定义 | 第14页 |
| 2．1．2 数据挖掘的分类 | 第14-16页 |
| 2．1．3 数据挖掘的应用 | 第16-18页 |
| 2．1．4 数据挖掘的过程 | 第18-20页 |
| 2．2 CRM的概念 | 第20-25页 |
| 2．2．1 CRM的定义 | 第20-21页 |
| 2．2．2 CRM的功能 | 第21-22页 |
| 2．2．3 CRM的实施过程 | 第22-24页 |
| 2．2．4 CRM涉及到的数据挖掘问题 | 第24-25页 |
| 2．3 CRM与分类算法的联系 | 第25-26页 |
| 2．4 评价分类算法的标准 | 第26-27页 |
| 2．4．1 准确性 | 第26-27页 |
| 2．4．2 其它一些评价标准 | 第27页 |
| 2．5 几种分类算法的比较 | 第27-32页 |
| 2．5．1 几种分类算法的简介 | 第27-31页 |
| 2．5．2 分类算法的比较 | 第31-32页 |
| 2．6 本章小结 | 第32-33页 |
| 3 串行贝叶斯分类算法 | 第33-42页 |
| 3．1 贝叶斯定理 | 第33页 |
| 3．2 朴素贝叶斯分类 | 第33-34页 |
| 3．3 常见的串行贝叶斯分类算法 | 第34-36页 |
| 3．3．1 有向无环图贝叶斯网络 | 第34-36页 |
| 3．3．2 有环贝叶斯网络 | 第36页 |
| 3．3．3 主观贝叶斯算法 | 第36页 |
| 3．4 对串行贝叶斯分类算法的改进 | 第36-40页 |
| 3．4．1 离散化方法 | 第37-38页 |
| 3．4．2 本论文的离散化方法 | 第38-40页 |
| 3．4．3 改进的贝叶斯分类算法 | 第40页 |
| 3．5 对改进算法的分析 | 第40-41页 |
| 3．6 本章小结 | 第41-42页 |
| 4 贝叶斯分类算法的并行化 | 第42-50页 |
| 4．1 并行计算机概述 | 第42-44页 |
| 4．1．1 并行计算机的类型 | 第42-43页 |
| 4．1．2 PVM概述 | 第43-44页 |
| 4．2 对贝叶斯分类算法的并行化 | 第44-48页 |
| 4．2．1 并行环境 | 第44页 |
| 4．2．2 并行算法 | 第44-48页 |
| 4．3 并行算法的性能分析 | 第48-49页 |
| 4．4 本章小结 | 第49-50页 |
| 5 并行的贝叶斯分类算法在CRM中的应用 | 第50-53页 |
| 5．1 一般企业使用数据挖掘的环境 | 第50页 |
| 5．2 分类算法并行化的方法 | 第50-51页 |
| 5．3 并行的贝叶斯分类算法对企业的意义 | 第51-52页 |
| 5．4 本章小结 | 第52-53页 |
| 6 论文总结 | 第53-55页 |
| 6．1 论文的主要工作 | 第53页 |
| 6．2 进一步的工作 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58页 |
