基于组合优化的聚类算法及应用

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-14页
·研究背景及意义	第9-10页
·数据挖掘的研究现状	第10-12页
·数据挖掘在银行中的应用	第12-13页
·本文的研究内容	第13-14页
第2章 相关理论	第14-24页
·数据挖掘基本理论	第14-21页
·数据挖掘的定义	第14-16页
·数据预处理	第16-19页
·数据挖掘的功能	第19-20页
·数据挖掘结果的评价	第20-21页
·数据挖掘技术在商业银行中的三个应用	第21-24页
·数据挖掘在客户关系管理中的应用	第21-22页
·数据挖掘在风险管理中的应用	第22页
·数据挖掘在金融欺诈中的应用	第22-24页
第3章 聚类分析的若干算法	第24-35页
·数据模型	第24-27页
·划分方法	第27-30页
·传统的划分方法	第28-30页
·层次方法	第30-31页
·两种基本的层次聚类方法	第30-31页
·基于密度方法	第31-33页
·基于密度的两种方法	第31-33页
·其它聚类方法	第33-35页
第4章 组合优化算法在聚类分析中的应用	第35-70页
·组合最优化问题的简介	第35-36页
·由选址问题与K-means结合的新算法	第36-55页
·选址问题	第36-37页
·KCG算法和HS算法	第37-40页
·KCG-KM算法和HS-KM算法	第40-41页
·数值模拟	第41-55页
·由最大割问题产生的新的分裂方法	第55-70页
·最大割问题	第55页
·MCG分裂算法和GW分裂算法	第55-59页
·数值模拟	第59-70页
第5章 银行客户细分的应用	第70-78页
·客户细分的背景	第70页
·数据的准备及客户细分	第70-73页
·客户细分结果分析	第73-78页
第6章 总结与展望	第78-80页
·本文总结	第78页
·工作展望	第78-80页
参考文献	第80-85页
致谢	第85页