| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的研究内容和目的 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 数据挖掘技术的发展 | 第16-33页 |
| ·数据挖掘技术概述 | 第16-21页 |
| ·数据挖掘聚类算法研究 | 第21-27页 |
| ·聚类算法概念及分类 | 第21-23页 |
| ·常用聚类算法的比较 | 第23-27页 |
| ·数据挖掘关联规则研究 | 第27-31页 |
| ·关联规则的概念及分类 | 第28-29页 |
| ·常用关联规则算法分析 | 第29-31页 |
| ·常用数据挖掘软件介绍 | 第31-33页 |
| 第3章 数据挖掘在金融产品交叉营销中的应用方案 | 第33-44页 |
| ·支持金融企业交叉营销要解决的主要问题 | 第33-38页 |
| ·客户细分 | 第35页 |
| ·产品关联分析 | 第35-36页 |
| ·如何将客户细分和产品关联分析的结果用于支持交叉营销 | 第36-38页 |
| ·数据处理及工具选择 | 第38-40页 |
| ·数据挖掘算法及选用 | 第40-41页 |
| ·支持金融企业交叉营销应用的技术方案 | 第41-44页 |
| 第4章 金融客户细分模型的建立 | 第44-61页 |
| ·金融客户细分的基本流程 | 第44-46页 |
| ·金融数据仓库的建立过程 | 第46-51页 |
| ·源数据处理方法 | 第46-49页 |
| ·数据仓库的结构 | 第49-51页 |
| ·聚类分析K-means算法以及改进方法的借鉴 | 第51-58页 |
| ·金融客户细分模型的确定 | 第58-61页 |
| 第5章 金融产品关联模型的建立 | 第61-70页 |
| ·金融产品关联分析 | 第61-62页 |
| ·金融产品关联分析的基本流程 | 第62-63页 |
| ·关联规则Apriori算法及优化方法的借鉴 | 第63-66页 |
| ·金融产品关联模型的确定及应用方法 | 第66-70页 |
| ·金融产品关联模型的确定 | 第66-68页 |
| ·金融产品关联模型的应用方法 | 第68-70页 |
| 第6章 支持交叉营销的数据挖掘模型的建立 | 第70-75页 |
| ·客户细分模型和产品关联模型分析 | 第70页 |
| ·支持交叉营销的数据挖掘模型的数据仓库结构 | 第70-71页 |
| ·支持交叉营销的数据挖掘模型的知识库结构 | 第71-73页 |
| ·支持交叉营销的数据挖掘模型的决策机制 | 第73页 |
| ·支持交叉营销的数据挖掘模型的应用流程 | 第73-75页 |
| 第7章 金融产品交叉营销决策支持系统的设计 | 第75-83页 |
| ·模块设计 | 第75-76页 |
| ·数据库设计 | 第76-78页 |
| ·用户界面设计 | 第78-80页 |
| ·系统应用模拟 | 第80-83页 |
| 第8章 总结与展望 | 第83-85页 |
| ·本文总结 | 第83-84页 |
| ·进一步工作的展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88-89页 |
| 攻读学位期间参加的科研项目和成果 | 第89页 |