| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·商业智能的概念 | 第10-12页 |
| ·引言 | 第10页 |
| ·商业智能的定义 | 第10-11页 |
| ·商业智能的应用 | 第11-12页 |
| ·商业智能的发展与现状 | 第12-13页 |
| ·本文研究内容 | 第13页 |
| ·论文结构及论文研究方法 | 第13-16页 |
| 第2章 数据挖掘技术概述 | 第16-22页 |
| ·商业智能系统概述 | 第16页 |
| ·数据挖掘技术概述 | 第16-20页 |
| ·数据挖掘的产生 | 第17页 |
| ·数据挖掘的定义 | 第17-18页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·数据挖掘的基本方法 | 第19-20页 |
| ·数据挖掘在客户细分中的应用 | 第20-22页 |
| 第3章 数据的提取与预处理 | 第22-26页 |
| ·预处理技术介绍 | 第22页 |
| ·数据的提取 | 第22-24页 |
| ·数据的预处理 | 第24-26页 |
| ·数据清理 | 第24-25页 |
| ·数据集成与变换 | 第25-26页 |
| 第4章 基于客户购买行为的细分模型分析及其算法 | 第26-38页 |
| ·聚类算法 | 第26-27页 |
| ·K-means算法 | 第27-29页 |
| ·基本思想与过程 | 第27-28页 |
| ·聚类分析的统计量描述 | 第28页 |
| ·K-means算法的优缺点 | 第28-29页 |
| ·SOM神经网络 | 第29-31页 |
| ·客户细分模型的建模实施 | 第31-35页 |
| ·基于SOM神经网络与K-means算法结合的细分模型 | 第32-33页 |
| ·模型比较 | 第33-35页 |
| ·细分模型的客户特征提取 | 第35-38页 |
| ·ID3决策树算法介绍 | 第35-36页 |
| ·关于决策树算法的客户特征提取与分析 | 第36-38页 |
| 第5章 总结与展望 | 第38-40页 |
| ·总结 | 第38页 |
| ·展望 | 第38-40页 |
| 参考文献 | 第40-42页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第42-44页 |
| 致谢 | 第44-45页 |
| 附件 | 第45页 |