聚类算法研究及在客户忠诚度分析中的应用
| 第一章 绪论 | 第1-18页 |
| ·选题背景与研究意义 | 第9-12页 |
| ·数据挖掘定义 | 第9页 |
| ·数据挖掘的一般过程 | 第9-11页 |
| ·数据挖掘的分类 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·研究内容目标 | 第15-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| 第二章 聚类模式分析 | 第18-30页 |
| ·聚类分析的定义 | 第18-19页 |
| ·聚类分析方法分类 | 第19-27页 |
| ·串行聚类算法 | 第19-25页 |
| ·并行聚类算法 | 第25-27页 |
| ·聚类分析的数据类型 | 第27-28页 |
| ·聚类分析评价标准 | 第28-30页 |
| 第三章 基于BIRCH聚类算法的研究与改进 | 第30-45页 |
| ·BIRCH算法:平衡迭代归约和聚类 | 第31-34页 |
| ·基本概念 | 第31-32页 |
| ·BIRCH聚类算法 | 第32-33页 |
| ·BIRCH算法评述 | 第33-34页 |
| ·多阈值BIRCH算法--M-BIRCH | 第34-43页 |
| ·BIRCH算法的缺陷 | 第34-36页 |
| ·多阈值BIRCH算法 | 第36-39页 |
| ·算法复杂度分析 | 第39页 |
| ·多阈值BIRCH算法的几点说明 | 第39-41页 |
| ·实验结果 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 平行坐标系下的聚类结果可视化 | 第45-56页 |
| ·数据可视化技术 | 第45-47页 |
| ·数据可视化技术分类 | 第46页 |
| ·数据挖掘与数据可视化的关系 | 第46-47页 |
| ·平行坐标系下的聚类结果可视化 | 第47-55页 |
| ·平行坐标的定义 | 第47-50页 |
| ·平行坐标的优缺点 | 第50页 |
| ·平行坐标下的聚簇分析结果表示 | 第50-51页 |
| ·M-BIRCH聚类结果的分层可视化 | 第51-52页 |
| ·实验结果 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 聚类分析器在海尔客户分群中的应用 | 第56-63页 |
| ·聚类分析器系统结构 | 第56-57页 |
| ·数据预处理 | 第57-59页 |
| ·客户分群与分层可视化 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 研究总结与评价 | 第63-66页 |
| ·研究总结与评价 | 第63-64页 |
| ·下一步的研究工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
