| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-19页 |
| ·研究背景与选题意义 | 第8-10页 |
| ·国内外现状 | 第10-16页 |
| ·连锁零售业现状 | 第10-11页 |
| ·数据挖掘在客户关系管理领域的应用 | 第11-12页 |
| ·基于数据挖掘的消费行为分析现状 | 第12-16页 |
| ·本文研究内容与成果 | 第16-17页 |
| ·论文课题来源 | 第17页 |
| ·论文组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 相关理论的回顾与分析 | 第19-37页 |
| ·数据挖掘理论 | 第19-23页 |
| ·数据挖掘定义 | 第19-20页 |
| ·数据挖掘分类 | 第20-21页 |
| ·数据挖掘方法 | 第21-23页 |
| ·分布式数据挖掘技术 | 第23-32页 |
| ·分布式数据挖掘体系的分类 | 第24-29页 |
| ·分布式数据挖掘算法 | 第29-32页 |
| ·Bee-gent系统 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 面向连锁零售业客户消费行为的分布式数据挖掘模型DDMMRCB | 第37-75页 |
| ·连锁零售业客户消费行为 | 第37-42页 |
| ·连锁零售业客户消费行为分析层次 | 第37-39页 |
| ·连锁零售业客户消费行为分析变量 | 第39-42页 |
| ·分布式数据挖掘模型DDMMRCB的主题指标 | 第42-45页 |
| ·相关性分析 | 第43-44页 |
| ·客户消费模式分析 | 第44页 |
| ·客户细分 | 第44-45页 |
| ·分布式数据挖掘模型DDMMRCB的技术关键 | 第45-74页 |
| ·分布式环境下的基于XML的数据预处理 | 第46-58页 |
| ·基于FP-树的分布式关联规则DARMAIF算法的研究 | 第58-68页 |
| ·改进型分布式神经网络IDNNA算法的研究 | 第68-74页 |
| ·本章小结 | 第74-75页 |
| 第4章 分布式数据挖掘模型DDMMRCB的应用 | 第75-89页 |
| ·系统概述 | 第75-79页 |
| ·DDMMRCB模型的应用 | 第79-88页 |
| ·数据集 | 第79-80页 |
| ·相关性主题指标分析 | 第80-83页 |
| ·客户消费模式主题指标分析 | 第83-84页 |
| ·客户细分主题指标分析 | 第84-88页 |
| ·本章小结 | 第88-89页 |
| 第5章 总结与展望 | 第89-91页 |
| ·总结 | 第89-90页 |
| ·展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 附录1 攻读硕士期间发表的论文 | 第95页 |
| 附录2 攻读硕士期间参加的课题和项目 | 第95页 |
| 附录3 攻读硕士期间获奖和荣誉 | 第95-96页 |
| 致谢 | 第96-97页 |