聚类分析在电力营销中的应用研究
| 中文摘要 | 第1页 |
| ABSTRACT | 第3-7页 |
| 第一章 引言 | 第7-10页 |
| ·选题背景及意义 | 第7-8页 |
| ·电力营销的现状 | 第8页 |
| ·本文的主要工作 | 第8-10页 |
| 第二章 数据挖掘技术概述 | 第10-19页 |
| ·数据挖掘 | 第10-12页 |
| ·数据挖掘定义 | 第10页 |
| ·数据挖掘进展 | 第10-11页 |
| ·数据挖掘方法 | 第11-12页 |
| ·数据挖掘特点 | 第12页 |
| ·数据挖掘体系结构 | 第12-13页 |
| ·数据挖掘过程 | 第12-13页 |
| ·数据挖掘体系结构 | 第13页 |
| ·数据挖掘的分类 | 第13-14页 |
| ·数据挖掘的任务 | 第14-15页 |
| ·数据挖掘的应用 | 第15页 |
| ·数据挖掘面临的挑战 | 第15-16页 |
| ·聚类分析 | 第16-19页 |
| ·聚类定义 | 第16页 |
| ·聚类算法的典型要求 | 第16-17页 |
| ·聚类分析中的数据类型 | 第17-18页 |
| ·相似度 | 第18-19页 |
| 第三章 电力营销分析概述 | 第19-26页 |
| ·电力营销的特点 | 第19页 |
| ·电力营销应用的方面 | 第19-24页 |
| ·电力市场分析预测 | 第19-21页 |
| ·电力营销决策制定 | 第21-22页 |
| ·电力营销分析功能模块 | 第22-24页 |
| ·电力营销分析模型 | 第24-25页 |
| ·电力营销分析框架 | 第25-26页 |
| 第四章 聚类分析的研究与实现 | 第26-43页 |
| ·数据预处理 | 第26-28页 |
| ·数据抽取 | 第26-27页 |
| ·数据清理 | 第27页 |
| ·数据集成 | 第27页 |
| ·数据变换 | 第27-28页 |
| ·聚类分析典型算法 | 第28-31页 |
| ·K-MEANS算法 | 第29-30页 |
| ·BIRCH算法 | 第30-31页 |
| ·DBSCAN算法 | 第31-37页 |
| ·DBSCAN算法思想 | 第31-32页 |
| ·DBSCAN算法分析 | 第32-33页 |
| ·DBSCAN算法实现 | 第33-37页 |
| ·DBSCAN算法的改进 | 第37-40页 |
| ·实验数据分析 | 第40-42页 |
| ·聚类算法总结 | 第42-43页 |
| 第五章 聚类分析应用于电力营销分析 | 第43-53页 |
| ·数据来源 | 第43页 |
| ·数据预处理 | 第43-44页 |
| ·数据过滤 | 第44-46页 |
| ·聚类分析 | 第46页 |
| ·结果展现 | 第46-49页 |
| ·程序代码 | 第49-53页 |
| 第六章 结束语 | 第53-54页 |
| ·本文得出的结论 | 第53页 |
| ·对未来的展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第57页 |
