| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 引言 | 第11-18页 |
| 1.1 论文选题的背景 | 第11-12页 |
| 1.2 论文研究的目的和意义 | 第12-13页 |
| 1.3 电信业客户流失分析在国内外应用情况 | 第13-14页 |
| 1.3.1 电信业客户流失在国内的应用情况 | 第13-14页 |
| 1.3.2 电信业客户流失在国外的应用情况 | 第14页 |
| 1.4 数据挖掘技术在国内外电信业的研究现状 | 第14-16页 |
| 1.5 论文主要工作和论文结构 | 第16-18页 |
| 1.5.1 论文主要工作 | 第16页 |
| 1.5.2 论文的结构 | 第16-18页 |
| 第2章 客户流失预测的数据挖掘方法 | 第18-25页 |
| 2.1 客户流失的相关概念 | 第18-19页 |
| 2.1.1 客户流失与保持定义 | 第18页 |
| 2.1.2 客户流失类型 | 第18页 |
| 2.1.3 客户流失的原因及对策 | 第18-19页 |
| 2.2 数据挖掘的概念 | 第19-22页 |
| 2.2.1 数据挖掘的目的 | 第20页 |
| 2.2.2 数据挖掘的流程 | 第20-22页 |
| 2.4 客户流失分析数据挖掘 | 第22-23页 |
| 2.4.1 客户流失分析问题的特点 | 第22-23页 |
| 2.4.2 客户流失分析预测的目标 | 第23页 |
| 2.5 客户流失分析的常用挖掘方法 | 第23-24页 |
| 2.6 小结 | 第24-25页 |
| 第3章 基于 BP 神经网络的移动客户流失数据挖掘预测模型的建立及分析 | 第25-44页 |
| 3.1 客户流失分析 | 第25页 |
| 3.2 移动客户流失数据挖掘预测 | 第25-26页 |
| 3.3 神经元网络算法 | 第26-28页 |
| 3.3.1 神经元模型原理介绍 | 第26-27页 |
| 3.3.2 BP 神经网络算法 | 第27-28页 |
| 3.4 基于 BP 神经网络的移动客户流失数据挖掘预测模型建立 | 第28-38页 |
| 3.4.1 数据描述 | 第29-31页 |
| 3.4.2 数据探索 | 第31-35页 |
| 3.4.3 数据准备 | 第35-37页 |
| 3.4.4 数据修正 | 第37页 |
| 3.4.5 建立模型 | 第37-38页 |
| 3.5 基于 BP 神经网络的移动客户流失数据挖掘预测模型分析 | 第38-42页 |
| 3.6 移动客户流失数据挖掘预测模型结果发布 | 第42页 |
| 3.7 小结 | 第42-44页 |
| 第4章 大客户流失预测模型实现 | 第44-54页 |
| 4.1 BP 神经网络预测模型数据准备模块 | 第44-47页 |
| 4.2 BP 神经网络预测模型数据生成模块 | 第47-50页 |
| 4.3 系统控制模块 | 第50页 |
| 4.4 BP 神经网络预测模型元数据管理模块 | 第50-51页 |
| 4.5 检测与 BP 神经网络预模型的应用 | 第51-52页 |
| 4.6 小结 | 第52-54页 |
| 结论和展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录 A 读研期间发表学术论文和参与科研项目 | 第59-60页 |
| 致谢 | 第60页 |
