| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景与研究意义 | 第11-12页 |
| 1.1.1 论文研究背景 | 第11页 |
| 1.1.2 论文研究意义 | 第11-12页 |
| 1.2 国内外应用现状 | 第12-16页 |
| 1.2.1 国内外数据挖掘应用现状 | 第12-13页 |
| 1.2.2 国内传统重入网识别技术 | 第13-16页 |
| 1.3 本文的主要研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第二章 数据挖掘基本知识与系统开发相关技术 | 第19-31页 |
| 2.1 数据挖掘理论知识 | 第19-21页 |
| 2.1.1 数据挖掘基本概述 | 第19页 |
| 2.1.2 CRISP-DM跨行业数据挖掘过程模型 | 第19-21页 |
| 2.2 数据挖掘的工具 | 第21-22页 |
| 2.3 采用的主要数据挖掘技术与方法 | 第22-28页 |
| 2.3.1 决策树技术 | 第22-25页 |
| 2.3.2 神经网络技术 | 第25-28页 |
| 2.4 系统开发环境简介 | 第28-30页 |
| 2.4.1 开发工具My Eclipse | 第28-29页 |
| 2.4.2 数据库MySQL Server 5.1 | 第29页 |
| 2.4.3 服务器Tomcat 6.0 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 客户重入网预测模型的数据准备工作 | 第31-43页 |
| 3.1 客户重入网识别的商业理解 | 第31页 |
| 3.2 客户重入网预测的数据预处理 | 第31-36页 |
| 3.2.1 数据理解 | 第31-33页 |
| 3.2.2 数据集成 | 第33-34页 |
| 3.2.3 数据转换 | 第34-36页 |
| 3.2.4 数据清洗 | 第36页 |
| 3.3 预测特征属性的建立 | 第36-41页 |
| 3.3.1 选择特征属性的原则 | 第36-37页 |
| 3.3.2 属性选择过程及结果 | 第37-41页 |
| 3.4 数据时间窗口 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 客户重入网预测模型的建立及评估 | 第43-63页 |
| 4.1 模型实例 | 第43-51页 |
| 4.1.1 决策树算法示例——C5.0示例 | 第43-47页 |
| 4.1.2 C&RT模型示例 | 第47-49页 |
| 4.1.3 神经网络模型示例 | 第49-51页 |
| 4.2 SPSS Clementine辅助模型建立 | 第51-56页 |
| 4.3 客户重入网数据挖掘模型的评估的比较 | 第56-61页 |
| 4.3.1 C5.0模型的评估 | 第56-58页 |
| 4.3.2 C&RT模型的评估 | 第58-60页 |
| 4.3.3 神经网络模型的评估 | 第60-61页 |
| 4.4 综合模型评估 | 第61-62页 |
| 4.5 模型验证效果 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 客户重入网管理平台系统的设计与实现 | 第63-75页 |
| 5.1 系统设计原则 | 第63页 |
| 5.2 技术架构设计 | 第63-67页 |
| 5.2.1 软件系统体系结构的选择 | 第63-65页 |
| 5.2.2 服务器端动态网页技术选择 | 第65-66页 |
| 5.2.3 开发模式选择 | 第66-67页 |
| 5.2.4 框架选择 | 第67页 |
| 5.3 系统功能模块设计 | 第67-68页 |
| 5.4 系统数据库设计 | 第68-70页 |
| 5.4.1 数据库的概念结构设计 | 第68页 |
| 5.4.2 数据库的逻辑结构设计 | 第68-69页 |
| 5.4.3 数据库的物理结构设计 | 第69-70页 |
| 5.5 系统实现 | 第70-74页 |
| 5.5.1 系统运行环境 | 第70-71页 |
| 5.5.2 系统功能模块展示 | 第71-74页 |
| 5.6 相应的决策部署 | 第74页 |
| 5.7 本章小结 | 第74-75页 |
| 第六章 总结及展望 | 第75-77页 |
| 6.1 论文总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录A 攻读学位期间发表论文及实践情况 | 第83-84页 |
| 附录B 电信客户重入网预测系统部分源代码 | 第84-91页 |
