| 中文摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 第一章 绪论 | 第11-16页 |
| §1.1 大数据的核心价值 | 第11-13页 |
| 1.1.1 大数据定义 | 第11-12页 |
| 1.1.2 大数据的价值和应用 | 第12-13页 |
| §1.2 文章结构和创新点 | 第13-16页 |
| 第二章 数据挖掘细分算法和数据挖掘过程概述 | 第16-28页 |
| §2.1 数据挖掘细分算法概述 | 第16-25页 |
| 2.1.1 分类和预测 | 第16-23页 |
| 2.1.2 聚类分析 | 第23-25页 |
| §2.2 数据挖掘的过程 | 第25-28页 |
| 2.2.1 数据准备 | 第26-27页 |
| 2.2.2 数据挖掘的其它模块 | 第27-28页 |
| 第三章 利用K-means聚类算法对IM软件用户细分 | 第28-47页 |
| §3.1 数据理解和清洗、归一化 | 第28-34页 |
| §3.2 数据相关性分析 | 第34-36页 |
| §3.3 利用K-means算法对IM软件用户细分 | 第36-47页 |
| 3.3.1 K-means算法详述 | 第37-39页 |
| 3.3.2 K-means聚类结果展示和评估 | 第39-47页 |
| 第四章 利用双聚类对IM软件用户细分 | 第47-61页 |
| §4.1 双聚类的应用背景 | 第47-49页 |
| §4.2 LAS模型和基于该模型的双聚类算法详述 | 第49-56页 |
| 4.2.1 LAS模型 | 第50-51页 |
| 4.2.2 基于LAS模型的双聚类算法详述 | 第51-56页 |
| §4.3 聚类结果展示和总结 | 第56-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |