| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 选题背景 | 第13-14页 |
| 1.2 国内外研究现状及存在问题 | 第14-16页 |
| 1.2.1 电信客户细分研究现状 | 第14-15页 |
| 1.2.2 电信客户细分存在的问题 | 第15-16页 |
| 1.3 研究内容 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 客户细分相关理论 | 第18-23页 |
| 2.1 客户关系管理理论 | 第18-21页 |
| 2.1.1 客户关系管理的概念 | 第18-19页 |
| 2.1.2 客户关系管理的目标 | 第19-20页 |
| 2.1.3 客户关系管理的内容 | 第20-21页 |
| 2.2 客户细分理论 | 第21-22页 |
| 2.2.1 客户细分的概念 | 第21页 |
| 2.2.2 客户细分的目的 | 第21页 |
| 2.2.3 客户细分的方法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 聚类分析技术 | 第23-27页 |
| 3.1 聚类分析基本概念 | 第23页 |
| 3.2 聚类分析的主要研究内容 | 第23-24页 |
| 3.3 常用的聚类算法 | 第24-25页 |
| 3.3.1 基于划分的聚类算法 | 第24页 |
| 3.3.2 基于层次的聚类算法 | 第24-25页 |
| 3.3.3 基于密度的聚类算法 | 第25页 |
| 3.3.4 基于网格的聚类算法 | 第25页 |
| 3.3.5 基于模型的聚类算法 | 第25页 |
| 3.4 聚类评价 | 第25-26页 |
| 3.4.1 聚类过程评价 | 第25-26页 |
| 3.4.2 聚类结果评价 | 第26页 |
| 3.5 本章小结 | 第26-27页 |
| 第四章 基于BIRCH的混合属性数据自适应聚类算法 | 第27-36页 |
| 4.1 BIRCH聚类算法 | 第27-29页 |
| 4.1.1 聚类特征 | 第27页 |
| 4.1.2 聚类特征树 | 第27-28页 |
| 4.1.3 BIRCH算法流程 | 第28页 |
| 4.1.4 BIRCH算法分析 | 第28-29页 |
| 4.2 改进BIRCH聚类算法 | 第29-32页 |
| 4.2.1 重新定义对象间距离 | 第29-30页 |
| 4.2.2 重新定义CF特征向量 | 第30页 |
| 4.2.3 层次聚类并确定聚类数目 | 第30-32页 |
| 4.3 改进后的BIRCH聚类算法描述 | 第32-33页 |
| 4.4 实验分析 | 第33-35页 |
| 4.4.1 实验数据集 | 第33页 |
| 4.4.2 聚类结果 | 第33-35页 |
| 4.4.3 实验总结 | 第35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 改进的BIRCH算法在电信客户细分中的应用实例 | 第36-51页 |
| 5.1 应用改进的BIRCH算法进行电信客户细分的步骤 | 第36页 |
| 5.2 电信客户数据获取 | 第36-38页 |
| 5.3 数据预处理 | 第38-45页 |
| 5.3.1 生成客户流失情况表 | 第38-40页 |
| 5.3.2 数据汇总与指标生成 | 第40-42页 |
| 5.3.3 探索各个变量与客户流失的关系 | 第42-45页 |
| 5.4 聚类分析 | 第45-50页 |
| 5.4.1 聚类结果 | 第45-49页 |
| 5.4.2 聚类结果分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 研究总结 | 第51页 |
| 6.2 研究展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第56页 |
