基于遗传神经网络模型的客户分类管理应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 前言 | 第8-12页 |
| 一、研究意义 | 第8页 |
| 二、国内外研究现状与发展趋势 | 第8-10页 |
| 三、主要研究内容 | 第10-11页 |
| 四、论文的主要内容与结构 | 第11-12页 |
| 第一章 客户关系管理概述 | 第12-19页 |
| ·客户关系管理（CRM）的基本含义 | 第12-13页 |
| ·CRM 体系结构简述 | 第13-14页 |
| ·CRM 中的客户分类及其步骤 | 第14-17页 |
| ·客户分类的依据 | 第15-16页 |
| ·客户风险分类 | 第16页 |
| ·客户价值分类 | 第16页 |
| ·客户分类管理的步骤 | 第16-17页 |
| ·客户关系管理的发展趋势 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第二章 数据挖掘方法概述 | 第19-27页 |
| ·数据挖掘的定义 | 第19页 |
| ·数据挖掘的分类 | 第19-20页 |
| ·数据挖掘功能 | 第20-23页 |
| ·数据挖掘用于客户分类的主要方法 | 第23-25页 |
| ·小结 | 第25-27页 |
| 第三章 神经网络与遗传神经网络综述 | 第27-43页 |
| ·神经网络概述 | 第27-35页 |
| ·神经网络发展概况 | 第27-28页 |
| ·基本神经网络模型 | 第28-29页 |
| ·神经网络的学习方法 | 第29-30页 |
| ·前向神经网络及其误差反向传播(BP)算法 | 第30-35页 |
| ·遗传算法概述 | 第35-37页 |
| ·遗传算法的基本概念 | 第35页 |
| ·遗传算法的基本运算 | 第35-37页 |
| ·遗传算法优化神经网络 | 第37-41页 |
| ·神经网络的缺陷 | 第37-38页 |
| ·遗传算法的特点 | 第38页 |
| ·神经网络与遗传算法的结合 | 第38-41页 |
| ·小结 | 第41-43页 |
| 第四章 两种网络模型在客户分类中的应用分析 | 第43-54页 |
| ·模型数据准备 | 第43-44页 |
| ·论文实践数据来源 | 第43页 |
| ·所获数据指标与指标的标准化方法 | 第43-44页 |
| ·用神经网络（BP）进行客户分类 | 第44-47页 |
| ·BP 网络的结构的确定 | 第44-45页 |
| ·用MATLAB 实现神经网络 | 第45-47页 |
| ·用遗传神经网络进行客户分类 | 第47-49页 |
| ·模型训练结果的验证 | 第49-53页 |
| ·模型的验证方法 | 第49-50页 |
| ·神经网络模型训练结果分析 | 第50-51页 |
| ·遗传神经网络模型结果分析 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 附录一 | 第56-65页 |
| 参考文献 | 第65-68页 |
| 在校期间发表论文和参与课题研究 | 第68页 |
