基于支持向量机SVM的银行客户关系管理研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 银行客户关系管理研究现状 | 第8-9页 |
| 1.3 数据挖掘研究现状 | 第9页 |
| 1.4 支持向量机SVM研究现状 | 第9-10页 |
| 1.5 论文的研究内容和结构安排 | 第10-12页 |
| 第2章 支持向量机SVM理论 | 第12-24页 |
| 2.1 支持向量机SVM理论 | 第12-19页 |
| 2.1.1 统计学习理论 | 第12-15页 |
| 2.1.2 优化理论 | 第15-16页 |
| 2.1.3 核函数 | 第16-19页 |
| 2.2 支持向量机SVM算法 | 第19-24页 |
| 2.2.1 支持向量机二元分类 | 第20-22页 |
| 2.2.2 支持向量机多元分类 | 第22-24页 |
| 第3章 银行客户关系管理CRM理论分析 | 第24-37页 |
| 3.1 客户关系管理的起源和发展 | 第24-29页 |
| 3.2 客户关系管理的核心思想 | 第29-32页 |
| 3.3 客户关系管理系统的分类 | 第32-33页 |
| 3.4 基于数据挖掘的银行客户关系管理概述 | 第33-37页 |
| 第4章 基于支持向量机SVM的银行客户关系管理 | 第37-58页 |
| 4.1 数据采集 | 第39-42页 |
| 4.2 数据预处理模块 | 第42-46页 |
| 4.2.1 数据清理 | 第43页 |
| 4.2.2 数据集成和变换 | 第43-45页 |
| 4.2.3 数据归约 | 第45-46页 |
| 4.2.4 数据概念分层 | 第46页 |
| 4.3 SVM学习模块 | 第46-50页 |
| 4.3.1 算法描述 | 第46-47页 |
| 4.3.2 客户关系管理评估模型 | 第47-50页 |
| 4.4 基于SPSS的SVM算法应用 | 第50-58页 |
| 4.4.1 数据加载 | 第51-53页 |
| 4.4.2 模型正确率 | 第53-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
