聚类分析算法在电力营销决策支持系统中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 引言 | 第8-11页 |
| ·选题背景及意义 | 第8-9页 |
| ·电力营销的现状 | 第9-10页 |
| ·本文的主要工作 | 第10-11页 |
| 2 数据挖掘技术概述 | 第11-27页 |
| ·数据挖掘 | 第11-19页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖据的组成 | 第11-13页 |
| ·数据挖掘系统的分类 | 第13-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·数据挖掘的过程 | 第15-18页 |
| ·数据挖掘的常用技术 | 第18-19页 |
| ·聚类分析 | 第19-27页 |
| ·聚类分析的概念 | 第19-21页 |
| ·聚类分析中的相似度度量方法 | 第21-24页 |
| ·聚类分析中的数据结构 | 第24-25页 |
| ·聚类分析的一些典型要求 | 第25-27页 |
| 3 基于数据仓库的电力营销决策支持系统设计 | 第27-37页 |
| ·系统总体设计思想 | 第27-28页 |
| ·电力营销决策支持系统功能设计 | 第28-30页 |
| ·数据仓库系统级功能 | 第28页 |
| ·客户关系管理应用级功能 | 第28-29页 |
| ·其他功能 | 第29-30页 |
| ·电力营销决策支持系统结构设计 | 第30-32页 |
| ·电力营销客户数据仓库的建立 | 第32-35页 |
| ·电力客户数据仓库主题分析 | 第32-33页 |
| ·数据仓库数据模型及实现 | 第33-34页 |
| ·数据仓库关键技术及实现 | 第34-35页 |
| ·基于数据仓库的数据挖掘及实现 | 第35-37页 |
| 4 聚类算法研究 | 第37-55页 |
| ·主要的聚类方法 | 第37-41页 |
| ·模糊聚类算法的发展概况 | 第41-43页 |
| ·经典的模糊 c 均值(FCM)聚类算法 | 第43-44页 |
| ·改进的模糊 c 均值(FCM)聚类算法 | 第44-50页 |
| ·改进算法的实现流程 | 第45-48页 |
| ·改进算法的几个实现细节说明 | 第48-50页 |
| ·算法验证 | 第50-55页 |
| ·准备工作 | 第50-52页 |
| ·结果分析 | 第52-55页 |
| 5 聚类分析应用于电力营销分析 | 第55-61页 |
| ·电力营销分析 | 第55-56页 |
| ·电力营销客户分析子系统 | 第56-58页 |
| ·电力营销客户细分的实现 | 第58-61页 |
| 6 结论与展望 | 第61-63页 |
| ·本文得出的结论 | 第61页 |
| ·对未来的展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间已发表的学术论文及科研成果 | 第66页 |
