| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 背景 | 第9-11页 |
| 第二章 数据挖掘、数据仓库及其在通信运营业中的应用 | 第11-30页 |
| ·数据挖掘理论概览 | 第11-30页 |
| ·数据挖掘技术的由来 | 第11-12页 |
| ·数据挖掘的定义 | 第12-13页 |
| ·数据挖掘发展 | 第13-14页 |
| ·数据挖掘的挖掘任务和挖掘方法 | 第14-18页 |
| ·数据挖掘的特点 | 第18-19页 |
| ·预言型数据挖掘 | 第19-21页 |
| ·数据挖掘模型和算法 | 第21-26页 |
| ·数据挖掘的流程 | 第26-28页 |
| ·数据挖掘所面临的挑战及发展趋势 | 第28-30页 |
| 第三章 对用户数据数据预处理 | 第30-41页 |
| ·数据挖掘项目工作方法 | 第30-31页 |
| ·建模紧密结合应用 | 第30页 |
| ·数据准备 | 第30-31页 |
| ·数据预处理及数据离散化 | 第31-33页 |
| ·数据预处理的研究背景 | 第31-32页 |
| ·数据离散化问题的研究 | 第32-33页 |
| ·基于沃尔什变换的时序数据离散化算法 | 第33-40页 |
| ·沃尔什函数系 | 第33-35页 |
| ·沃尔什函数的正交性和完备性 | 第35页 |
| ·沃尔什变换与快速沃尔什变换 | 第35-37页 |
| ·沃尔什变换能谱特性 | 第37-40页 |
| ·用户数据分组以及离散化的实现 | 第40-41页 |
| 第四章 数据的噪声处理与分类 | 第41-51页 |
| ·粗糙集及其在数据挖掘中的应用 | 第41-44页 |
| ·粗糙集理论概述 | 第41页 |
| ·粗糙集理论的基本框架 | 第41-44页 |
| ·模糊集及其在数据挖掘中的应用 | 第44-48页 |
| ·模糊集理论 | 第44-45页 |
| ·模糊聚类分析 | 第45-48页 |
| ·粗糙集与模糊集的结合 | 第48-51页 |
| 第五章 电信通信运营业的决策研究 | 第51-56页 |
| ·模型的建立 | 第51页 |
| ·建模和识别 | 第51页 |
| ·CVM客户价值模型 | 第51-53页 |
| ·客户价值评估模型的搭建 | 第51-52页 |
| ·客户按综合价值评分 | 第52-53页 |
| ·客户分组特征描述 | 第53页 |
| ·基于客户综合价值评分的市场营销建议 | 第53页 |
| ·客户保持模型 | 第53-56页 |
| ·客户流失预测模型变量与参数示例 | 第54页 |
| ·客户流失预测模型数据 | 第54-55页 |
| ·客户流失建模 | 第55-56页 |
| 第六章 总结和展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |