CRM中聚类分析的算法研究与实例应用
| 1 绪论 | 第1-12页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·本文工作内容 | 第10-12页 |
| 2 聚类分析理论和客户关系管理概述 | 第12-21页 |
| ·为什么进行数据挖掘 | 第12页 |
| ·数据挖掘的概念和过程 | 第12-13页 |
| ·聚类分析的定义 | 第13-14页 |
| ·聚类分析的技术综述 | 第14-18页 |
| ·聚类分析的数据类型 | 第14-16页 |
| ·基于划分的聚类分析方法 | 第16-18页 |
| ·客户关系管理概述 | 第18-20页 |
| ·客户关系管理的基本概念 | 第18页 |
| ·客户关系管理中客户满意度的基本概念 | 第18-19页 |
| ·客户满意度研究的目的 | 第19页 |
| ·客户关系管理中聚类分析的过程 | 第19-20页 |
| ·小结 | 第20-21页 |
| 3 不同算法的研究 | 第21-49页 |
| ·引言 | 第21-22页 |
| ·K 均值算法 | 第22页 |
| ·模糊均值算法 | 第22-25页 |
| ·模糊数学概述 | 第22-23页 |
| ·模糊均值算法 | 第23-25页 |
| ·遗传算法概述 | 第25-29页 |
| ·遗传算法简介 | 第25-26页 |
| ·遗传算法的技术元素 | 第26-27页 |
| ·遗传算法的实现与分析 | 第27-29页 |
| ·求解非规则非致密分布数据的新型算法 | 第29-38页 |
| ·近邻关系描述 | 第30页 |
| ·连接损失描述 | 第30-31页 |
| ·近邻函数准则 | 第31-32页 |
| ·近邻函数准则的改进策略 | 第32-34页 |
| ·近邻函数准则改进策略的理论阐明 | 第34-35页 |
| ·新型算法思路 | 第35-36页 |
| ·新型算法的具体实现 | 第36-37页 |
| ·新型算法的合理性 | 第37-38页 |
| ·不同算法的性能测试与分析 | 第38-47页 |
| ·不同算法的综合性能分析 | 第47-48页 |
| ·小结 | 第48-49页 |
| 4 不同算法在CRM 中的应用分析 | 第49-60页 |
| ·基本实验结果 | 第49-58页 |
| ·数据集的选取 | 第49-50页 |
| ·实例分析模型的设计 | 第50-51页 |
| ·不同算法的基本实验结果与决策分析 | 第51-58页 |
| ·决策支持问题的参考意见 | 第58-59页 |
| ·小结 | 第59-60页 |
| 5 总结 | 第60-62页 |
| ·总结 | 第60页 |
| ·未来的工作 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-67页 |
| 详细摘要 | 第67-77页 |
