| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究背景和意义 | 第12-20页 |
| ·客户关系管理 | 第12-14页 |
| ·数据挖掘的常用算法 | 第14-15页 |
| ·贝叶斯理论与朴素贝叶斯分类器 | 第15-16页 |
| ·聚类分析 | 第16-18页 |
| ·客户价值理论 | 第18-20页 |
| ·客户的细分 | 第20页 |
| ·本文主要研究内容 | 第20-21页 |
| ·本文组织及章节安排 | 第21-22页 |
| 第二章 聚类分析算法研究 | 第22-29页 |
| ·聚类分析的起源 | 第22-23页 |
| ·聚类分析基本原理 | 第23-24页 |
| ·聚类分析在商业中的应用 | 第24-25页 |
| ·常用的聚类分析算法 | 第25-28页 |
| ·划分聚类分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 贝叶斯理论与朴素贝叶斯模型 | 第29-35页 |
| ·贝叶斯理论的提出 | 第29-32页 |
| ·贝叶斯决策理论 | 第29-31页 |
| ·贝叶斯方法的主要优点 | 第31-32页 |
| ·朴素贝叶斯算法及其模型 | 第32-34页 |
| ·概述 | 第32-33页 |
| ·朴素贝叶斯分类器算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 结合K-means 聚类与朴素贝叶斯分类的客户价值预测 | 第35-48页 |
| ·客户的盈利能力与客户价值 | 第35-38页 |
| ·客户的盈利能力 | 第35-36页 |
| ·预测未来的盈利能力 | 第36-37页 |
| ·以客户盈利能力为导向 | 第37-38页 |
| ·RFM 模型与客户分类预测模型 | 第38-41页 |
| ·利用K-means 聚类算法对训练集客户数据进行聚类 | 第41-43页 |
| ·朴素贝叶斯算法对新的未知客户数据进行预测分类 | 第43-44页 |
| ·相关实验数据及比较结论 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 结论与展望 | 第48-50页 |
| ·全文总结 | 第48-49页 |
| ·进一步的工作与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士期间发表论文及科研工作 | 第53-54页 |