基于数据挖掘技术的客户细分模型研究分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 本文的研究方法和创新之处 | 第10页 |
| 1.3 主要内容和结构安排 | 第10-12页 |
| 第二章 基于数据挖掘客户细分模型的现状研究 | 第12-23页 |
| 2.1 分类 | 第13-18页 |
| 2.1.1 人工神经网络分类算法 | 第14-16页 |
| 2.1.2 决策树 | 第16-18页 |
| 2.2 聚类 | 第18-21页 |
| 2.2.1 基于层次聚类算法 | 第19-20页 |
| 2.2.2 基于划分的聚类算法 | 第20页 |
| 2.2.3 基于图论的聚类算法 | 第20-21页 |
| 2.2.4 基于密度聚类算法 | 第21页 |
| 2.3 传统分析方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 客户细分模型的建立 | 第23-34页 |
| 3.1 分类、聚类和传统分析方法的比较分析 | 第23-24页 |
| 3.2 K均值聚类算法 | 第24-26页 |
| 3.3 谱聚类算法 | 第26-32页 |
| 3.3.1 图的基本概念 | 第26-27页 |
| 3.3.2 相似矩阵 | 第27-28页 |
| 3.3.3 拉普拉斯矩阵 | 第28-29页 |
| 3.3.4 谱聚类的划分标准 | 第29-32页 |
| 3.3.5 谱聚类算法 | 第32页 |
| 3.4 改进的谱聚类算法 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 模型算法的实现 | 第34-39页 |
| 4.1 数据集的选择 | 第34页 |
| 4.2 数据预处理 | 第34-35页 |
| 4.3 模型的选择 | 第35页 |
| 4.4 模型结果分析 | 第35-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 结论与展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第43-44页 |
| 致谢 | 第44页 |
