数据挖掘在电信移动客户行为分析中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·课题来源 | 第8-9页 |
| ·研究现状和课题意义 | 第9页 |
| ·本人主要工作 | 第9-10页 |
| ·论文组织结构 | 第10页 |
| ·本章小结 | 第10-12页 |
| 第2章 电信移动增值业务 | 第12-16页 |
| ·移动增值业务概述 | 第12-13页 |
| ·移动增值业务一些认识 | 第13-14页 |
| ·综合业务管理平台ISMP | 第14-15页 |
| ·ISMP概述 | 第14-15页 |
| ·ISMP功能介绍 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第3章 数据挖掘相关概述 | 第16-27页 |
| ·数据挖掘定义 | 第16-17页 |
| ·主要功能和方法 | 第17-20页 |
| ·数据挖掘的主要功能 | 第17-18页 |
| ·数据挖掘的主要方法 | 第18-20页 |
| ·数据预处理 | 第20-22页 |
| ·描述数据特征 | 第20-21页 |
| ·数据清理 | 第21页 |
| ·数据集成 | 第21页 |
| ·数据变换 | 第21-22页 |
| ·数据规约 | 第22页 |
| ·关联规则理论概述 | 第22-26页 |
| ·关联规则概念 | 第23页 |
| ·Apriori算法思想和核心算法 | 第23-26页 |
| ·相关改进 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第4章 多维事物间关联规则的挖掘 | 第27-39页 |
| ·数据仓库和多维数据模型 | 第27-29页 |
| ·数据仓库简述 | 第27-28页 |
| ·多维数据模型 | 第28-29页 |
| ·多维关联规则 | 第29-35页 |
| ·数据立方体的计算及其算法 | 第30页 |
| ·BUC算法 | 第30-31页 |
| ·本文提出的改进BUCT算法 | 第31-33页 |
| ·算法的实验结果 | 第33-35页 |
| ·数据挖掘实际应用的过程 | 第35-38页 |
| ·数据挖掘过程 | 第35-37页 |
| ·数据挖掘在移动增值业务中的应用 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 算法的应用和模型建立、评估 | 第39-52页 |
| ·算法的应用环境 | 第39-40页 |
| ·模型建立的准备 | 第40-41页 |
| ·商业理解 | 第40-41页 |
| ·数据理解 | 第41-44页 |
| ·数据理解目标 | 第41页 |
| ·数据选择及相关数据表 | 第41-43页 |
| ·模型建立前的假设 | 第43-44页 |
| ·数据准备 | 第44页 |
| ·数据准备目标 | 第44页 |
| ·数据准备过程和小结 | 第44页 |
| ·建立模型和评估标准 | 第44-50页 |
| ·本阶段的目标 | 第44-45页 |
| ·评价标准 | 第45页 |
| ·思路和方法 | 第45-46页 |
| ·建模过程 | 第46-47页 |
| ·模型的评估 | 第47-50页 |
| ·结果部署 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间的研究成果 | 第57页 |
