| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 引言 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·研究目的 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国外研究现状 | 第11-14页 |
| ·国内研究现状 | 第14-15页 |
| ·研究内容与论文结构 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| ·论文创新点 | 第17-18页 |
| 第二章 数据挖掘理论与方法 | 第18-28页 |
| ·数据挖掘的定义 | 第18-19页 |
| ·数据挖掘的技术定义 | 第18页 |
| ·数据挖掘的价值定义 | 第18-19页 |
| ·数据挖掘与传统数据分析方法的区别 | 第19页 |
| ·数据挖掘的常用方法 | 第19-21页 |
| ·关联规则 | 第20页 |
| ·决策树 | 第20-21页 |
| ·遗传算法 | 第21页 |
| ·聚类分析 | 第21页 |
| ·数据挖掘的过程 | 第21-24页 |
| ·问题理解 | 第22-23页 |
| ·数据准备 | 第23页 |
| ·挖掘算法选择 | 第23-24页 |
| ·建立模型及评估 | 第24页 |
| ·挖掘结果解释 | 第24页 |
| ·数据挖掘的分类及应用领域 | 第24-27页 |
| ·数据挖掘的分类 | 第24-25页 |
| ·数据挖掘的应用领域 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 聚类算法的改进及其在烘焙行业客户细分中的应用 | 第28-44页 |
| ·聚类分析概述 | 第28-30页 |
| ·聚类分析的概念 | 第28页 |
| ·聚类分析的分类 | 第28-29页 |
| ·k-means 算法 | 第29-30页 |
| ·聚类分析算法的改进 | 第30-39页 |
| ·GA 算法基本原理 | 第31页 |
| ·初始中心的优化 | 第31-32页 |
| ·消除噪声和孤立点数据 | 第32页 |
| ·基于适值函数的 K 值选择 | 第32-33页 |
| ·GK-means 算法 | 第33-37页 |
| ·算法性能分析 | 第37-39页 |
| ·改进的 K-means 算法在烘焙行业客户细分中的应用 | 第39-43页 |
| ·数据选取 | 第39-40页 |
| ·客户细分结果 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 关联规则算法的改进及其在烘焙行业产品交叉销售中的应用 | 第44-56页 |
| ·产品交叉销售概述 | 第44-45页 |
| ·交叉销售的基本概念 | 第44页 |
| ·交叉销售的意义 | 第44-45页 |
| ·关联规则概述 | 第45-46页 |
| ·关联规则的相关概念 | 第45-46页 |
| ·挖掘规则的基本步骤 | 第46页 |
| ·关联规则算法的改进 | 第46-51页 |
| ·Apriori 算法 | 第46-47页 |
| ·算法改进 | 第47-49页 |
| ·算法性能分析 | 第49-51页 |
| ·改进的 Apriori 算法在烘焙行业产品交叉销售中的应用 | 第51-54页 |
| ·数据处理 | 第51-53页 |
| ·产品交叉销售挖掘结果 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间的主要成果 | 第62-63页 |
| 致谢 | 第63页 |
