| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 引言 | 第10-22页 |
| ·课题的背景与意义 | 第10-14页 |
| ·零售银行业务在商业银行中的地位 | 第10-11页 |
| ·中国信用卡市场的发展前景 | 第11-12页 |
| ·商业银行客户关系管理的应用 | 第12-13页 |
| ·课题研究的意义 | 第13-14页 |
| ·知识发现与数据挖掘 | 第14-17页 |
| ·知识发现过程 | 第14-15页 |
| ·数据挖掘技术 | 第15-16页 |
| ·数据挖掘在CRM 中的应用 | 第16-17页 |
| ·课题研究内容与研究方法 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·研究方法 | 第18-19页 |
| ·论文目标及各部分的主要内容 | 第19-22页 |
| 第2章 客户忠诚度理论与研究现状 | 第22-36页 |
| ·客户忠诚度理论发展 | 第22-23页 |
| ·客户忠诚度理论简介 | 第23-26页 |
| ·客户忠诚度内涵 | 第23-24页 |
| ·客户忠诚的分类 | 第24-26页 |
| ·客户忠诚度的测量方法 | 第26页 |
| ·客户忠诚度理论研究线索 | 第26-29页 |
| ·客户满意理论 | 第27-28页 |
| ·关系信任理论 | 第28页 |
| ·转换成本理论 | 第28-29页 |
| ·客户忠诚度理论研究现状 | 第29-35页 |
| ·客户忠诚度实证研究 | 第29-33页 |
| ·客户忠诚度预测研究 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第3章 数据预处理与客户忠诚度判定 | 第36-47页 |
| ·原始信用卡客户数据 | 第36-37页 |
| ·数据预处理 | 第37-42页 |
| ·属性筛选 | 第37页 |
| ·数据类型转换 | 第37-38页 |
| ·空缺值填充 | 第38-39页 |
| ·整理交易记录 | 第39页 |
| ·数据归一化 | 第39-42页 |
| ·预处理结果 | 第42页 |
| ·客户忠诚度判定 | 第42-45页 |
| ·问卷调查形式讨论 | 第42-43页 |
| ·基于客观属性数据的评价指标体系 | 第43-45页 |
| ·小结 | 第45-47页 |
| 第4章 基于BP 神经网络的客户忠诚度预测模型 | 第47-70页 |
| ·反向传播神经网络 | 第47-52页 |
| ·BP 神经元模型 | 第47-48页 |
| ·BP 神经网络模型 | 第48页 |
| ·误差反向传播 | 第48-49页 |
| ·BP 学习算法 | 第49-52页 |
| ·基于BP 学习算法的预测模型实验 | 第52-60页 |
| ·确定BP 算法重要参数 | 第52-55页 |
| ·训练样本选取方式 | 第55页 |
| ·训练样本和测试样本 | 第55-58页 |
| ·基于BP 神经网络的客户忠诚度预测模型 | 第58-60页 |
| ·基于BP 改进算法的预测模型实验 | 第60-65页 |
| ·有动量的梯度下降法 | 第60-61页 |
| ·Fletcher-Reeves 共轭梯度法 | 第61-62页 |
| ·Powell-Beale 共轭梯度法 | 第62-63页 |
| ·BFGS 拟牛顿法 | 第63-64页 |
| ·Levenberg-Marquardt 训练方法 | 第64-65页 |
| ·BP 学习算法比较总结 | 第65-68页 |
| ·小结 | 第68-70页 |
| 第5章 基于不同数据挖掘技术预测模型的对比研究 | 第70-89页 |
| ·概率神经网络预测模型 | 第70-76页 |
| ·径向基函数网络 | 第70-71页 |
| ·概率神经网络 | 第71-73页 |
| ·PNN 预测模型实验 | 第73-76页 |
| ·支持向量机预测模型 | 第76-85页 |
| ·支持向量机算法 | 第76-79页 |
| ·LibSVM 简介 | 第79-80页 |
| ·SVM 预测模型实验 | 第80-85页 |
| ·决策树预测模型 | 第85-87页 |
| ·决策树算法 | 第85-86页 |
| ·DT 预测模型实验 | 第86-87页 |
| ·基于不同数据挖掘技术的预测模型比较 | 第87-88页 |
| ·小结 | 第88-89页 |
| 第6章 BP 神经网络预测模型规则提取 | 第89-95页 |
| ·神经网络黑箱性 | 第89页 |
| ·神经网络规则提取 | 第89-91页 |
| ·起源与发展 | 第89-90页 |
| ·算法分类 | 第90-91页 |
| ·BIO-RE 算法 | 第91-92页 |
| ·规则提取结果 | 第92-94页 |
| ·小结 | 第94-95页 |
| 第7章 结论 | 第95-98页 |
| ·论文工作总结 | 第95-96页 |
| ·未来工作展望 | 第96-98页 |
| 参考文献 | 第98-103页 |
| 致谢 | 第103-104页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第104页 |