| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.1.1 论文研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 客户关系管理的研究现状 | 第13-14页 |
| 1.2.2 数据挖掘技术研究现状 | 第14-16页 |
| 1.2.3 国内商业银行应用数据挖掘技术的回顾 | 第16页 |
| 1.3 论文研究的内容与技术路线 | 第16-18页 |
| 1.3.1 论文研究的主要内容 | 第16-17页 |
| 1.3.2 论文研究的技术路线 | 第17-18页 |
| 第2章 数据挖掘概述 | 第18-31页 |
| 2.1 数据挖掘的含义及应用 | 第18-25页 |
| 2.1.1 数据挖掘基本概念 | 第18页 |
| 2.1.2 数据挖掘与传统分析方法 | 第18-19页 |
| 2.1.3 数据挖掘过程 | 第19-24页 |
| 2.1.4 数据挖掘的发展 | 第24-25页 |
| 2.2 分类方法 | 第25-28页 |
| 2.2.1 分类的概念 | 第25页 |
| 2.2.2 分类算法评估 | 第25-26页 |
| 2.2.3 分类算法的比较 | 第26-28页 |
| 2.3 关联规则挖掘 | 第28-30页 |
| 2.3.1 关联规则的概念 | 第28-29页 |
| 2.3.2 关联规则算法 | 第29-30页 |
| 2.4 小结 | 第30-31页 |
| 第3章 数据挖掘在农信社客户关系管理中的应用建模 | 第31-46页 |
| 3.1 客户关系管理在农信社中的应用 | 第31-37页 |
| 3.1.1 客户关系管理的作用 | 第31-32页 |
| 3.1.2 农信社客户关系管理的内涵与目标 | 第32-35页 |
| 3.1.3 农信社客户关系管理的实施内容和特点 | 第35-37页 |
| 3.2 数据挖掘流程 | 第37-38页 |
| 3.2.1 挖掘目标的确立 | 第37页 |
| 3.2.2 数据准备 | 第37页 |
| 3.2.3 数据建模 | 第37-38页 |
| 3.2.4 模型评估 | 第38页 |
| 3.3 在客户关系管理中选择数据挖掘方法建模 | 第38-45页 |
| 3.3.1 基于决策树的客户分类模型 | 第38-43页 |
| 3.3.2 基于 APRIORI 的关联规则模型 | 第43-45页 |
| 3.4 小结 | 第45-46页 |
| 第4章 客户关系管理中数据挖掘模型的软件实现 | 第46-60页 |
| 4.1 农信社使用数据挖掘技术的模式 | 第46页 |
| 4.2 基于决策树分类模型的软件实现 | 第46-55页 |
| 4.2.1 计算 Info (s_1 ,s_2,...,s_m)的函数 | 第47页 |
| 4.2.2 计算 E(A)的函数 | 第47-49页 |
| 4.2.3 通过计算 gain(A)返回分裂属性的函数 | 第49-50页 |
| 4.2.4 生成决策树的函数 | 第50-53页 |
| 4.2.5 提取分类规则的函数 | 第53-54页 |
| 4.4.6 决策树模型软件的应用效果 | 第54-55页 |
| 4.3 基于 APRIORI 关联规则模型的软件实现 | 第55-59页 |
| 4.3.1 生成候选集函数 | 第55-57页 |
| 4.3.2 生成频繁项集函数 | 第57-58页 |
| 4.3.3 关联规则模型软件的应用效果 | 第58-59页 |
| 4.4 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |