| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究的背景及意义 | 第9-11页 |
| ·研究的背景 | 第9-10页 |
| ·研究的意义 | 第10-11页 |
| ·客户分类研究综述 | 第11-15页 |
| ·客户分类方法 | 第11-12页 |
| ·客户分类技术 | 第12-13页 |
| ·客户分类模型 | 第13-15页 |
| ·研究的方法及内容 | 第15-16页 |
| ·研究的方法及架构 | 第15页 |
| ·研究的内容 | 第15-16页 |
| ·主要工作和创新 | 第16-18页 |
| ·主要工作 | 第16-17页 |
| ·创新点 | 第17-18页 |
| 第二章 数据挖掘的相关理论和方法 | 第18-23页 |
| ·数据挖掘的有关概念 | 第18-19页 |
| ·何谓数据挖掘 | 第18页 |
| ·数据挖掘的两种类型 | 第18-19页 |
| ·数据挖掘的一般过程 | 第19-20页 |
| ·业务理解（Business Understanding） | 第19-20页 |
| ·数据理解（Data Understanding） | 第20页 |
| ·数据准备（Data Preperation） | 第20页 |
| ·建模（Modeling） | 第20页 |
| ·评估（Evaluation） | 第20页 |
| ·部署（Deployment） | 第20页 |
| ·数据仓库的有关概念 | 第20-23页 |
| ·数据仓库的定义 | 第21页 |
| ·数据仓库的基本组成 | 第21-23页 |
| 第三章 AFH 客户分类模型构建 | 第23-33页 |
| ·AFH 客户分类模型 | 第23-24页 |
| ·AFH 数据预处理 | 第24-29页 |
| ·数据抽取 | 第24页 |
| ·数据清洗 | 第24-25页 |
| ·数据变换 | 第25页 |
| ·数据集成 | 第25-27页 |
| ·数据标准化 | 第27-29页 |
| ·AFH 数据仓库 | 第29-33页 |
| ·AFH 数据仓库模型 | 第29-30页 |
| ·事实表设计 | 第30-31页 |
| ·维表设计 | 第31-33页 |
| 第四章 AFH 客户聚类算法选择 | 第33-40页 |
| ·聚类的类型 | 第33-35页 |
| ·基于划分的聚类 | 第33页 |
| ·基于层次的聚类 | 第33-34页 |
| ·基于原型的聚类 | 第34页 |
| ·基于密度的聚类 | 第34页 |
| ·基于图的聚类 | 第34-35页 |
| ·K 均值聚类 | 第35-37页 |
| ·K 均值聚类算法 | 第35页 |
| ·K 均值聚类邻近度、质心和目标函数 | 第35页 |
| ·K 均值聚类算法伪代码 | 第35-36页 |
| ·K 均值聚类的优点与缺点 | 第36-37页 |
| ·凝聚层次聚类 | 第37-38页 |
| ·凝聚层次聚类算法 | 第37页 |
| ·凝聚层次聚类簇间的邻近度 | 第37页 |
| ·层次聚类的优点与缺点 | 第37-38页 |
| ·两步聚类 | 第38页 |
| ·AFH 客户聚类算法选择 | 第38-40页 |
| 第五章 AFH 数据挖掘实验与结果分析 | 第40-53页 |
| ·实验原理与环境 | 第40-41页 |
| ·实验原理 | 第40页 |
| ·实验环境 | 第40-41页 |
| ·AFH 建模实现 | 第41-44页 |
| ·数据读取 | 第41-42页 |
| ·数据流构建 | 第42页 |
| ·基于 TwoStep 建模 | 第42-43页 |
| ·基于 K-means 建模 | 第43页 |
| ·基于 TwoStep 和 K-means 组合建模 | 第43-44页 |
| ·聚类结果分析 | 第44-49页 |
| ·聚类效率分析 | 第44页 |
| ·聚类效果分析 | 第44-49页 |
| ·客户价值分析 | 第49-50页 |
| ·客户策略推荐 | 第50-52页 |
| ·企业应用评价 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| ·总结 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
