| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-10页 |
| ·论文研究意义 | 第6-9页 |
| ·本文的研究内容 | 第9页 |
| ·本文的组织架构 | 第9-10页 |
| 第二章 LCD-TV客户行为特征与聚类分析需求 | 第10-20页 |
| ·平板电视市场概况 | 第10-13页 |
| ·客户行为分析理论综述 | 第13-20页 |
| ·客户行为 | 第13-14页 |
| ·客户行为特征 | 第14-16页 |
| ·平板电视行业特征 | 第16-20页 |
| 第三章 群体智能的理论基础与聚类算法 | 第20-33页 |
| ·群体智能理论综述 | 第20-22页 |
| ·群体智能的定义 | 第20页 |
| ·群体智能的算法 | 第20-22页 |
| ·聚类分析的理论综述 | 第22-23页 |
| ·基于群体智能的聚类分析算法 | 第23-27页 |
| ·算法概述 | 第23页 |
| ·基本模型 | 第23-25页 |
| ·LF算法 | 第25-27页 |
| ·优化算法设计 | 第27-31页 |
| ·基本定义 | 第27-28页 |
| ·搬运过程 | 第28页 |
| ·调整过程 | 第28-29页 |
| ·算法实现 | 第29-31页 |
| ·算法评价 | 第31-33页 |
| ·一般聚类算法评价 | 第31页 |
| ·优化蚁群聚类算法评价 | 第31-33页 |
| 第四章 基于群体智能的LCD-TV客户行为聚类技术研究 | 第33-36页 |
| ·传统客户分类方法的弊端 | 第33页 |
| ·基于群体智能聚类算法的客户分类方法的优势 | 第33-34页 |
| ·基于聚类的客户行为分析过程 | 第34-36页 |
| ·基于聚类的客户行为分析过程概述 | 第34页 |
| ·数据预处理 | 第34-35页 |
| ·客户行为分类分析的研究模型 | 第35-36页 |
| 第五章 基于群体智能的LCD-TV客户行为聚类技术实现 | 第36-55页 |
| ·案例背景 | 第36页 |
| ·数据预处理 | 第36-38页 |
| ·聚类实现 | 第38-41页 |
| ·结果分析 | 第41-52页 |
| ·一般统计分析结果 | 第41-46页 |
| ·聚类分析结果 | 第46-52页 |
| ·应用意义 | 第52-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 参考资料 | 第56-58页 |
| 致谢 | 第58-59页 |