基于混合数据的证券客户聚类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文研究内容及框架 | 第12-14页 |
| ·研究方法、创新点及难点 | 第14-16页 |
| ·研究方法 | 第14页 |
| ·创新点 | 第14-15页 |
| ·难点 | 第15-16页 |
| 第二章 相关理论综述 | 第16-27页 |
| ·客户细分基本理论 | 第16-20页 |
| ·客户细分的产生与理论依据 | 第16-17页 |
| ·客户细分的目的与作用 | 第17-19页 |
| ·客户细分的方式 | 第19-20页 |
| ·数据挖掘基本理论 | 第20-25页 |
| ·数据挖掘概述 | 第20-22页 |
| ·数据挖掘过程 | 第22-23页 |
| ·数据挖掘基本方法 | 第23-25页 |
| ·聚类分析理论 | 第25-27页 |
| ·聚类分析概述 | 第25-26页 |
| ·将聚类算法应用于客户细分 | 第26-27页 |
| 第三章 数据预处理 | 第27-32页 |
| ·数据预处理概述 | 第27-28页 |
| ·证券客户数据预处理的原因 | 第28-29页 |
| ·数据预处理技术 | 第29-32页 |
| ·数据清洗 | 第29-30页 |
| ·数据集成 | 第30页 |
| ·数据转换 | 第30-31页 |
| ·数据规约 | 第31-32页 |
| 第四章 K-means聚类分析 | 第32-41页 |
| ·K-means算法 | 第32页 |
| ·对混合数据间距离的计算办法 | 第32-39页 |
| ·两个数据对象间距离的计算及改进 | 第34-39页 |
| ·数值型属性权重的求解 | 第39页 |
| ·两个混合型数据对象间的距离 | 第39-40页 |
| ·聚类中心的确定 | 第40页 |
| ·初始聚类中心的确定 | 第40页 |
| ·以后聚类中心的确定 | 第40页 |
| ·聚类过程 | 第40-41页 |
| 第五章 实证分析 | 第41-49页 |
| ·所用软件介绍 | 第41-42页 |
| ·数据的获取和数据预处理 | 第42-45页 |
| ·聚类分析 | 第45-48页 |
| ·实证结果分析 | 第48-49页 |
| 第六章 总结及展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·研究的局限性和展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
