| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-20页 |
| 1.1 选题背景及意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究的意义 | 第13-14页 |
| 1.2 研究目的 | 第14页 |
| 1.3 论文研究方案 | 第14-16页 |
| 1.3.1 研究方案 | 第14页 |
| 1.3.2 研究内容框架 | 第14-16页 |
| 1.4 国内外相关研究 | 第16-20页 |
| 2 相关理论基础 | 第20-29页 |
| 2.1 客户细分的基本理论 | 第20-22页 |
| 2.1.1 客户细分概述 | 第20页 |
| 2.1.2 常用客户细分方法 | 第20-22页 |
| 2.1.3 数据挖掘与客户细分 | 第22页 |
| 2.2 聚类分析算法的理论研究 | 第22-24页 |
| 2.2.1 聚类的概念及原理 | 第22-23页 |
| 2.2.2 聚类算法的分类 | 第23-24页 |
| 2.3 K-MEANS算法 | 第24-25页 |
| 2.3.1 K-means算法原理概述 | 第24页 |
| 2.3.2 K-means算法步骤 | 第24-25页 |
| 2.4 AP算法 | 第25-27页 |
| 2.4.1 AP算法原理概述 | 第25-26页 |
| 2.4.2 AP算法步骤 | 第26-27页 |
| 2.5 PSO算法 | 第27-28页 |
| 2.5.1 PSO算法原理概述 | 第27页 |
| 2.5.2 PSO算法步骤 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 港口企业客户细分的数据准备 | 第29-37页 |
| 3.1 港口客户数据库 | 第29-31页 |
| 3.2 港口客户数据预处理 | 第31-36页 |
| 3.2.1 港口客户数据表的选择与集成 | 第31-32页 |
| 3.2.2 港口客户数据属性选择与构造 | 第32-34页 |
| 3.2.3 港口客户数据清理与规范化 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 基于改进的K-MEANS算法的港口客户细分 | 第37-48页 |
| 4.1 基于K-MEANS算法的港口客户细分的不足 | 第37-38页 |
| 4.2 基于改进的K-MEANS算法研究 | 第38-44页 |
| 4.2.1 基于改进的K-means算法的描述 | 第38-40页 |
| 4.2.2 基于改进的K-means算法的步骤描述 | 第40-42页 |
| 4.2.3 基于改进的K-means算法的有效性验证 | 第42-44页 |
| 4.3 基于改进的K-MEANS算法进行港口客户细分 | 第44-46页 |
| 4.4 港口客户细分结果的比较与分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 港口客户营销方案建议 | 第48-53页 |
| 5.1 港口客户营销策略 | 第49-51页 |
| 5.2 新市场的开发 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 全文总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第57-59页 |
| 学位论文数据集 | 第59页 |
