蚁群聚类算法及其在电信客户分群中的应用
| 摘要 | 第1-9页 |
| Abstract | 第9-13页 |
| 第1章 绪论 | 第13-20页 |
| ·研究背景及意义 | 第13-14页 |
| ·相关研究现状 | 第14-17页 |
| ·数据挖掘及其发展现状和趋势 | 第14-16页 |
| ·群体智能的研究现状 | 第16-17页 |
| ·研究内容及创新点 | 第17-19页 |
| ·论文的组织结构 | 第19-20页 |
| 第2章 聚类分析技术 | 第20-32页 |
| ·聚类问题描述 | 第20页 |
| ·聚类分析的数据类型 | 第20-21页 |
| ·模式相似性测量 | 第21-23页 |
| ·聚类分析的评价标准 | 第23-25页 |
| ·聚类分析的度量标准 | 第23-24页 |
| ·评价函数 | 第24-25页 |
| ·聚类分析方法分类 | 第25-30页 |
| ·串行聚类算法 | 第25-27页 |
| ·并行聚类算法 | 第27-28页 |
| ·混合聚类算法 | 第28-30页 |
| ·目前聚类算法存在的一些问题 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 蚁群聚类算法 | 第32-54页 |
| ·蚁群聚类算法的发展 | 第32页 |
| ·标准蚁群聚类模型分析 | 第32-35页 |
| ·基本蚁群聚类模型 | 第32-33页 |
| ·LF 算法 | 第33-35页 |
| ·基于标准蚁群聚类算法的改进 | 第35-36页 |
| ·蚂蚁运动模型 | 第36-40页 |
| ·基本蚁群聚类模型与蚂蚁运动模型的比较 | 第36-38页 |
| ·基于蚂蚁运动模型的聚类算法 | 第38-40页 |
| ·结合层次及密度聚类思想的聚类新方法 | 第40-53页 |
| ·算法改进的思路 | 第40页 |
| ·HAC 算法的研究与实现 | 第40-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 蚁群聚类算法在电信客户分群中的应用 | 第54-65页 |
| ·数据准备 | 第55-61页 |
| ·电信客户特征数据模型 | 第55-56页 |
| ·需求分析 | 第56-59页 |
| ·数据预处理 | 第59-61页 |
| ·客户细分及结果分析 | 第61-64页 |
| ·利用HAC 算法进行聚类分析 | 第61-63页 |
| ·聚类结果分析 | 第63-64页 |
| ·小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 附录 A(攻读学位期间所发表的学术论文目录) | 第74页 |
