| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究方案及工作基础 | 第16-19页 |
| 1.3.1 研究目标、研究内容及拟解决的关键问题 | 第16-17页 |
| 1.3.2. 拟采取的研究方法和技术路线 | 第17页 |
| 1.3.3 本文创新点 | 第17-18页 |
| 1.3.4 研究工作基础 | 第18-19页 |
| 第二章 银行 CRM 与数据挖掘 | 第19-29页 |
| 2.1 CRM 及其在银行中的应用 | 第19-23页 |
| 2.1.1 CRM 内涵 | 第19-20页 |
| 2.1.2 银行 CRM 体系结构 | 第20-21页 |
| 2.1.3 银行 CRM 的主要内容 | 第21-23页 |
| 2.2 数据挖掘的概念和常用算法 | 第23-25页 |
| 2.2.1 数据仓库和数据挖掘概念 | 第23-24页 |
| 2.2.2 比较常见的数据挖掘方法 | 第24-25页 |
| 2.3 银行 CRM 中数据挖掘的商业价值研究 | 第25-27页 |
| 2.3.1 银行 CRM 中数据挖掘的应用领域 | 第25-26页 |
| 2.3.2 银行 CRM 中数据挖掘的商业价值分析 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 聚类分析算法的改进研究 | 第29-40页 |
| 3.1 聚类分析在银行客户细分中的应用 | 第29-30页 |
| 3.1.1 银行客户细分在银行客户关系管理系统中的重要意义 | 第29-30页 |
| 3.1.2 银行客户细分的主要分析方法 | 第30页 |
| 3.2 聚类分析的常用算法 | 第30-32页 |
| 3.3 聚类分析算法的改进 | 第32-39页 |
| 3.3.1 传统聚类算法的优缺点 | 第32-34页 |
| 3.3.2 改进算法的思想 | 第34-35页 |
| 3.3.3 改进算法的优势验证实例 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 数据挖掘流程改进 | 第40-48页 |
| 4.1 传统的数据挖掘流程 | 第40-41页 |
| 4.2 数据挖掘过程模型的改进 | 第41-45页 |
| 4.3 应用实例——改进的银行客户流失分析模型 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 银行信用卡客户细分 | 第48-74页 |
| 5.1 信用卡客户细分的基本流程 | 第48-49页 |
| 5.2 银行信用卡客户细分目标分析 | 第49-50页 |
| 5.3 数据的选取和预处理 | 第50-56页 |
| 5.3.1 数据的选取 | 第50-51页 |
| 5.3.2 数据的预处理 | 第51-56页 |
| 5.4 客户细分样本数据的形成 | 第56-57页 |
| 5.5 银行信用卡客户细分结果 | 第57-69页 |
| 5.5.1 初始聚类中心的确定 | 第58-59页 |
| 5.5.2 信用卡客户类别的准确划分 | 第59-63页 |
| 5.5.3 信用卡客户类别特征分析 | 第63-69页 |
| 5.6 银行信用卡客户营销策略 | 第69-72页 |
| 5.7 本章小结 | 第72-74页 |
| 结论与展望 | 第74-76页 |
| 本文主要工作及结论 | 第74-75页 |
| 研究展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-84页 |
| 附件 | 第84页 |