聚类分析在客户细分领域中的研究与应用
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-14页 |
| ·选题背景 | 第7-9页 |
| ·课题在国内外研究的现状 | 第9-11页 |
| ·聚类算法研究现状 | 第9-10页 |
| ·聚类算法在客户细分领域中的研究现状 | 第10-11页 |
| ·本文的主要研究内容 | 第11-13页 |
| ·小结 | 第13-14页 |
| 第二章 数据挖掘技术 | 第14-20页 |
| ·数据挖掘的基本概念 | 第14-15页 |
| ·数据挖掘的过程 | 第15-16页 |
| ·数据挖掘的分类 | 第16-18页 |
| ·数据挖掘的功能 | 第18-19页 |
| ·数据挖掘的主要应用领域 | 第19页 |
| ·小结 | 第19-20页 |
| 第三章 数据挖掘中的聚类算法分析 | 第20-41页 |
| ·聚类概述 | 第20-22页 |
| ·聚类分析的基本概念 | 第20-21页 |
| ·对聚类算法的要求 | 第21-22页 |
| ·主要的聚类算法 | 第22-25页 |
| ·K-MEANS 算法 | 第25-29页 |
| ·K-means 算法的基本思想和框架 | 第25-27页 |
| ·K-means 算法的研究现状 | 第27-28页 |
| ·利用抽样技术对K-means 算法进行改进 | 第28-29页 |
| ·DBSCAN 算法 | 第29-34页 |
| ·DBSCAN 算法思想 | 第29-30页 |
| ·DBSCAN 算法框架 | 第30-32页 |
| ·DBSCAN 算法局限性分析 | 第32-34页 |
| ·改进的算法――DBSK 算法 | 第34-40页 |
| ·局部数据集参数MinPtsi 的确定 | 第34-35页 |
| ·局部数据集聚类结果的合并 | 第35-37页 |
| ·DBSK 算法的基本框架 | 第37页 |
| ·DBSK 算法的时间复杂度 | 第37-38页 |
| ·实验结果 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第四章 客户细分相关概念 | 第41-48页 |
| ·客户细分理论的产生 | 第41页 |
| ·客户细分的概念 | 第41-42页 |
| ·客户细分的基本要求 | 第42-43页 |
| ·客户细分的方法 | 第43-47页 |
| ·基于价值的客户细分 | 第43-45页 |
| ·基于行为的客户细分 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第五章 聚类算法在客户细分领域中的应用 | 第48-57页 |
| ·将聚类技术应用于客户细分的一般步骤 | 第48页 |
| ·建立客户细分系统 | 第48-53页 |
| ·数据获取层实现 | 第49-51页 |
| ·数据存储层实现 | 第51-52页 |
| ·数据应用层实现 | 第52-53页 |
| ·应用聚类算法进行客户细分 | 第53-56页 |
| ·准备工作 | 第53页 |
| ·进行客户细分 | 第53-55页 |
| ·结果分析 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第六章 结论 | 第57-60页 |
| ·本文得出的结论 | 第57-58页 |
| ·进一步的研究方向 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文和参加科研情况 | 第65页 |
