| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 论文结构安排 | 第15-16页 |
| 1.3.1 本文主要内容 | 第15页 |
| 1.3.2 本文组织结构 | 第15-16页 |
| 1.4 小结 | 第16-17页 |
| 第2章 客户细分的相关理论 | 第17-29页 |
| 2.1 客户细分概述 | 第17-21页 |
| 2.1.1 客户细分的内涵 | 第17-18页 |
| 2.1.2 客户细分的意义 | 第18-19页 |
| 2.1.3 客户细分的一般方法 | 第19-21页 |
| 2.2 传统客户细分特点 | 第21-22页 |
| 2.3 电子商务环境下客户细分的变化和新特点 | 第22-23页 |
| 2.4 客户细分技术研究 | 第23-26页 |
| 2.5 客户细分的基本流程 | 第26-28页 |
| 2.6 小结 | 第28-29页 |
| 第3章 数据挖掘中的聚类分析理论概述 | 第29-35页 |
| 3.1 数据挖掘的理论 | 第29-30页 |
| 3.1.1 数据挖掘的概念 | 第29-30页 |
| 3.1.2 数据挖掘的功能 | 第30页 |
| 3.2 聚类分析算法的理论 | 第30-34页 |
| 3.2.1 聚类概念及原理 | 第30-31页 |
| 3.2.2 聚类分析的相似性度量方法 | 第31-32页 |
| 3.2.3 聚类分析方法 | 第32-34页 |
| 3.3 小结 | 第34-35页 |
| 第4章K-means算法及其改进 | 第35-45页 |
| 4.1 K-means算法 | 第35-39页 |
| 4.1.1 K-means算法原理概述 | 第35-37页 |
| 4.1.2 K-means算法的缺点及现有改进方法 | 第37-38页 |
| 4.1.3 本文给出的K-means算法改进方法 | 第38-39页 |
| 4.2 AP算法 | 第39-41页 |
| 4.2.1 AP算法原理概述 | 第39-40页 |
| 4.2.2 AP算法步骤 | 第40-41页 |
| 4.3 改进AP+K-means混合算法研究 | 第41-44页 |
| 4.4 算法的实验验证 | 第44页 |
| 4.5 小结 | 第44-45页 |
| 第5章 电子商务客户细分系统的设计 | 第45-53页 |
| 5.1 电子商务客户细分的总体模型设计 | 第45-47页 |
| 5.2 电子商务客户细分需求分析 | 第47-48页 |
| 5.2.1 电子商务客户的特点 | 第47页 |
| 5.2.2 电子商务客户系统目标 | 第47-48页 |
| 5.3 数据预处理模块设计 | 第48-50页 |
| 5.4 聚类分析模块设计 | 第50-51页 |
| 5.5 小结 | 第51-53页 |
| 第6章 电子商务客户细分系统设计实现及功能测试 | 第53-61页 |
| 6.1 数据采集 | 第53-56页 |
| 6.2 数据预处理 | 第56-57页 |
| 6.2.1 数据清洗 | 第56页 |
| 6.2.2 数据转换和数据集成 | 第56-57页 |
| 6.3 改进AP+K-means算法进行电子商务客户细分 | 第57-58页 |
| 6.4 客户细分结果分析 | 第58-59页 |
| 6.5 电子商务客户细分系统的功能测试 | 第59-60页 |
| 6.6 小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| 7.1 全文总结 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |