改进蚁群聚类算法在零售客户分类中的研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 蚁群聚类算法研究现状 | 第11-14页 |
| 1.2.2 实体零售客户分类研究现状 | 第14-15页 |
| 1.3 论文的主要内容和组织结构 | 第15-19页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 组织结构 | 第16-19页 |
| 第2章 聚类分析技术 | 第19-35页 |
| 2.1 数据挖掘 | 第19-24页 |
| 2.1.1 数据挖掘概念 | 第19页 |
| 2.1.2 数据挖掘的过程 | 第19-20页 |
| 2.1.3 数据挖掘的方法 | 第20-22页 |
| 2.1.4 数据挖掘在企业客户管理中的应用 | 第22-24页 |
| 2.2 聚类分析技术 | 第24-34页 |
| 2.2.0 聚类分析定义 | 第24页 |
| 2.2.1 聚类分析的数据类型 | 第24-25页 |
| 2.2.2 相似性度量 | 第25-27页 |
| 2.2.3 数据预处理 | 第27-28页 |
| 2.2.4 评价标准及函数 | 第28-31页 |
| 2.2.5 常用的聚类算法 | 第31-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第3章 实体零售客户分类概述 | 第35-39页 |
| 3.1 客户分类 | 第35-36页 |
| 3.1.1 客户分类的概念 | 第35页 |
| 3.1.2 客户分类的目的 | 第35-36页 |
| 3.2 实体零售业客户分类 | 第36-38页 |
| 3.2.1 实体零售客户分类的必要性 | 第36-37页 |
| 3.2.2 实体零售企业客户特征 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 蚁群聚类算法及其改进 | 第39-66页 |
| 4.1 聚类算法选择分析 | 第39-41页 |
| 4.2 标准蚁群聚类模型分析 | 第41-47页 |
| 4.2.1 基本蚁群聚类模型 | 第42-43页 |
| 4.2.2 标准蚁群聚类算法 | 第43-46页 |
| 4.2.3 蚁群聚类算法存在的不足 | 第46-47页 |
| 4.3 标准蚁群聚类算法的改进 | 第47-53页 |
| 4.3.1 蚁群聚类算法的相关改进 | 第47-50页 |
| 4.3.2 改进算法的流程图 | 第50-51页 |
| 4.3.3 改进蚁群聚类算法的步骤 | 第51-53页 |
| 4.4 实验结果及分析对比 | 第53-64页 |
| 4.4.1 改进蚁群聚类算法实验 | 第53-61页 |
| 4.4.2 改进算法与标准LF算法的对比 | 第61-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 蚁群算法在实体零售客户分类的应用 | 第66-82页 |
| 5.1 客户分类系统设计 | 第66-68页 |
| 5.1.1 系统功能与系统结构 | 第66-67页 |
| 5.1.2 系统程序流程 | 第67-68页 |
| 5.2 应用环境 | 第68-69页 |
| 5.3 数据获取及集成 | 第69-73页 |
| 5.4 数据预处理 | 第73-76页 |
| 5.4.1 数据清洗 | 第74页 |
| 5.4.2 特征选择 | 第74-75页 |
| 5.4.3 数据标准化 | 第75-76页 |
| 5.5 客户聚类及结果分析 | 第76-79页 |
| 5.6 客户分类系统操作示例 | 第79-81页 |
| 5.7 本章小结 | 第81-82页 |
| 第6章 总结和展望 | 第82-84页 |
| 6.1 论文工作总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89页 |
