| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.2.1 客户分类研究现状 | 第16-17页 |
| 1.2.2 粒子群聚类算法研究现状 | 第17页 |
| 1.3 研究内容及主要创新点 | 第17-18页 |
| 1.4 组织结构及内容安排 | 第18-19页 |
| 第二章 相关概念与技术 | 第19-33页 |
| 2.1 聚类分析与聚类算法 | 第19-27页 |
| 2.1.1 聚类分析相关理论 | 第19页 |
| 2.1.2 基于划分的聚类算法 | 第19-27页 |
| 2.2 粒子群算法 | 第27-32页 |
| 2.2.1 算法起源 | 第27-28页 |
| 2.2.2 算法原理 | 第28-29页 |
| 2.2.3 算法基本流程 | 第29-31页 |
| 2.2.4 关键参数分析 | 第31-32页 |
| 2.2.5 存在问题 | 第32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 客户分类模型 | 第33-40页 |
| 3.1 CCL模型 | 第33-34页 |
| 3.1.1 客户属性简介 | 第33-34页 |
| 3.1.2 CCL客户分类模型 | 第34页 |
| 3.2 CCL指标构造标准 | 第34-39页 |
| 3.2.1 客户属性C(Customers) | 第34-36页 |
| 3.2.2 客户贡献度C(Contribution) | 第36-38页 |
| 3.2.3 客户忠诚度L(Loyalty) | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 融合反向扰动的PSO聚类算法 | 第40-51页 |
| 4.1 PSO聚类算法 | 第40-42页 |
| 4.1.1 粒子群算法的聚类思想 | 第40-41页 |
| 4.1.2 粒子群聚类算法流程 | 第41-42页 |
| 4.2 K-OD-PSO算法 | 第42-49页 |
| 4.2.1 改进的编码方式与位置更新方式 | 第42-45页 |
| 4.2.2 改进OD-PSO聚类算法 | 第45-47页 |
| 4.2.3 算法流程 | 第47-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第五章 基于CCL模型的改进粒子群聚类算法 | 第51-56页 |
| 5.1 算法框架 | 第51-52页 |
| 5.2 基于CCL客户分类模型的K-OD-PSO聚类优化算法 | 第52-55页 |
| 5.2.1 构建客户分类模型 | 第52-53页 |
| 5.2.2 CCL模型数据标准化 | 第53-54页 |
| 5.2.3 CCL-K-OD-PSO的种群初始化 | 第54页 |
| 5.2.4 CCL-K-OD-PSO聚类过程 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 实验设计与结果分析 | 第56-67页 |
| 6.1 实验环境 | 第56页 |
| 6.2 实验数据集 | 第56-57页 |
| 6.3 实验评价指标 | 第57-59页 |
| 6.4 相关参数设置 | 第59页 |
| 6.5 实验过程与结果分析 | 第59-66页 |
| 6.5.1 UCI数据集验证 | 第59-62页 |
| 6.5.2 FoodMart数据集验证 | 第62-66页 |
| 6.6 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表论文 | 第73-75页 |
| 致谢 | 第75页 |