| 第1章 绪论 | 第1-25页 |
| ·概述 | 第10页 |
| ·数据挖掘 | 第10-22页 |
| ·数据挖掘的社会需求 | 第10-12页 |
| ·数据挖掘的定义 | 第12-14页 |
| ·数据挖掘的分类 | 第14-16页 |
| ·数据挖掘的运行过程与系统结构 | 第16-20页 |
| ·数据挖掘的应用 | 第20-21页 |
| ·数据挖掘的发展现状 | 第21-22页 |
| ·客户流失问题的提出 | 第22-23页 |
| ·采用技术的选定——基于网格和密度的聚类方法 | 第23-24页 |
| ·论文章节结构 | 第24-25页 |
| 第2章 聚类 | 第25-31页 |
| ·概论 | 第25-26页 |
| ·聚类的用途 | 第26-27页 |
| ·聚类分析方法的典型要求 | 第27-28页 |
| ·聚类分析算法的分类 | 第28-31页 |
| ·分裂法(Partitioning Methods) | 第29页 |
| ·层次法(Hierarchical Methods) | 第29页 |
| ·基于密度的方法(density-based methods) | 第29页 |
| ·基于网格的方法(Grid-Based Methods) | 第29-30页 |
| ·基于模型的方法(Model-Based Methods) | 第30-31页 |
| 第3章 基于网格和密度的聚类算法的研究与实现 | 第31-42页 |
| ·问题描述 | 第31-34页 |
| ·算法 | 第34-42页 |
| ·含有聚类子空间的识别 | 第34-37页 |
| ·发现聚类 | 第37-38页 |
| ·生成最小聚类描述 | 第38-42页 |
| 第4章 基于网格和密度的聚类算法在通信行业客户关系管理中的应用 | 第42-54页 |
| ·系统总体概述 | 第42-43页 |
| ·系统总体实现 | 第43-54页 |
| ·数据源分析整理 | 第43-47页 |
| ·算法在系统中的实现步骤 | 第47-51页 |
| ·基于网格和密度的聚类算法与k-means聚类算法结果的比较 | 第51-54页 |
| 第5章 结论 | 第54-55页 |
| 攻读学位期间公开发表的论文 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-78页 |
| 研究生履历 | 第78页 |
