基于抽样矩阵的汽车客户分群及离群点分析
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·主要工作及组织结构 | 第13-14页 |
| 第2章 基本理论概述及算法选取 | 第14-29页 |
| ·引言 | 第14页 |
| ·数据挖掘、CRM理论概述 | 第14-17页 |
| ·数据挖掘定义 | 第14-15页 |
| ·CRM定义 | 第15页 |
| ·数据挖掘与CRM的关系 | 第15-17页 |
| ·聚类简介 | 第17-25页 |
| ·聚类定义 | 第17-18页 |
| ·聚类算法所采用的数据结构 | 第18-19页 |
| ·聚类过程 | 第19-21页 |
| ·聚类方法简述 | 第21-24页 |
| ·孤立点分析 | 第24-25页 |
| ·方法选取与设计 | 第25-28页 |
| ·问题的提出 | 第25-26页 |
| ·DBSCAN算法 | 第26页 |
| ·参数确定 | 第26-27页 |
| ·基于距离的离群点检测 | 第27页 |
| ·问题解决整体流程介绍 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 欧式距离矩阵的构建及参数的求取 | 第29-43页 |
| ·引言 | 第29页 |
| ·数据预处理 | 第29-32页 |
| ·数据规范化处理 | 第29-30页 |
| ·特征值选取 | 第30页 |
| ·数据量化处理 | 第30-32页 |
| ·欧式距离矩阵的构建 | 第32-36页 |
| ·数据加权处理 | 第32-34页 |
| ·数据标准化处理 | 第34-35页 |
| ·欧式距离矩阵的构建 | 第35-36页 |
| ·参数的求取及验证 | 第36-42页 |
| ·数据的抽取 | 第36-38页 |
| ·k-dist树的构建 | 第38-40页 |
| ·抽样方法有效性的验证 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第4章 DBSCAN聚类算法的研究 | 第43-56页 |
| ·引言 | 第43页 |
| ·算法描述 | 第43-44页 |
| ·实验结果分析 | 第44-47页 |
| ·与其他算法的比较 | 第47-55页 |
| ·轮廓系数 | 第49-50页 |
| ·对比实验 | 第50-51页 |
| ·实验结果描述 | 第51-55页 |
| ·小结 | 第55-56页 |
| 第5章 基于距离的简单离群点检测算法 | 第56-66页 |
| ·引言 | 第56页 |
| ·简单参数确定方法 | 第56-58页 |
| ·算法描述 | 第58-59页 |
| ·算法可行性验证 | 第59-64页 |
| ·实验结果分析 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
