数据挖掘技术在电信业务中的应用研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·问题提出 | 第10-11页 |
| ·国内外研究与应用现状 | 第11-12页 |
| ·本文的研究工作 | 第12-13页 |
| ·全文组织结构 | 第13-14页 |
| 第2章 相关技术及研究背景 | 第14-30页 |
| ·数据挖掘概念 | 第14-16页 |
| ·商业角度 | 第14页 |
| ·技术含义 | 第14-15页 |
| ·理论基础 | 第15-16页 |
| ·数据挖掘方法简介 | 第16-19页 |
| ·技术分类 | 第16-17页 |
| ·表示模式和方法 | 第17-18页 |
| ·数据挖掘的基本过程 | 第18-19页 |
| ·K-means聚类技术 | 第19-21页 |
| ·K-means算法简介 | 第19-20页 |
| ·使用误差平方和准则函数的K-means算法 | 第20-21页 |
| ·关联规则挖掘技术 | 第21-28页 |
| ·关联规则概述 | 第21-22页 |
| ·Apriori算法 | 第22-25页 |
| ·FP-growth关联规则挖掘算法 | 第25-28页 |
| ·电信业务挖掘背景 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第3章 电信业务数据挖掘方法 | 第30-40页 |
| ·电信业务客户规则挖掘目标与任务 | 第30页 |
| ·电信业务客户规则挖掘过程 | 第30-32页 |
| ·业务问题定义 | 第30-31页 |
| ·数据选择和清洗 | 第31-32页 |
| ·模型的建立 | 第32页 |
| ·数据准备 | 第32-37页 |
| ·数据源 | 第32-33页 |
| ·输入变量选择 | 第33-35页 |
| ·选择目标用户 | 第35页 |
| ·数据处理中的关键问题 | 第35-37页 |
| ·数据记录举例 | 第37页 |
| ·本章小结 | 第37-40页 |
| 第4章 基于聚类技术的客户细分模型 | 第40-50页 |
| ·电信客户细分功能概述 | 第40页 |
| ·电信客户细分功能模型 | 第40-42页 |
| ·数据预处理 | 第42-44页 |
| ·数据属性的原则 | 第42-43页 |
| ·数据清洗 | 第43-44页 |
| ·使用K-means算法实现结果 | 第44-48页 |
| ·结果分析 | 第44-46页 |
| ·低端客户的再次聚类结果 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 基于关联规则挖掘的客户业务推荐 | 第50-64页 |
| ·电信数据挖掘应用总体结构 | 第50-51页 |
| ·业务挖掘流程设计 | 第51页 |
| ·实验设计 | 第51-57页 |
| ·总体设计 | 第52-53页 |
| ·详细设计 | 第53-57页 |
| ·关于推荐过程几点问题的说明 | 第57-59页 |
| ·由频繁模式生成关联规则 | 第57-58页 |
| ·推荐工作流程 | 第58-59页 |
| ·实验评测 | 第59-63页 |
| ·实验环境 | 第59页 |
| ·实验结果 | 第59-60页 |
| ·性能分析 | 第60-61页 |
| ·错误率比较 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 结束语 | 第64-66页 |
| ·本文的主要贡献 | 第64页 |
| ·未来工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
