K-means聚类算法在银行CRM系统客户细分中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源及研究背景和意义 | 第9-11页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 国内外文献综述 | 第15-16页 |
| 1.4 课题主要研究内容 | 第16-18页 |
| 第2章 客户细分及CRM方法 | 第18-26页 |
| 2.1 客户细分理论 | 第18-22页 |
| 2.1.1 客户细分简述 | 第18-19页 |
| 2.1.2 客户细分的方法 | 第19-22页 |
| 2.1.3 客户细分意义 | 第22页 |
| 2.2 CRM方法 | 第22-25页 |
| 2.2.1 CRM的含义 | 第23页 |
| 2.2.2 银行CRM系统构成 | 第23-24页 |
| 2.2.3 CRM的作用 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 聚类方法及K-means聚类 | 第26-38页 |
| 3.1 相似性度量 | 第26-28页 |
| 3.1.1 样品相似性的度量 | 第26-28页 |
| 3.1.2 变量相似性的度量 | 第28页 |
| 3.2 系统聚类分析 | 第28-33页 |
| 3.2.1 系统聚类的基本原理 | 第29页 |
| 3.2.2 系统聚类的分类 | 第29-33页 |
| 3.3 K-means聚类分析 | 第33-37页 |
| 3.3.1 K-means聚类的基本原理 | 第33-36页 |
| 3.3.2 K-means聚类的优缺点 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 数据细分及K-means算法改进 | 第38-48页 |
| 4.1 数据准备 | 第38-41页 |
| 4.1.1 银行客户细分指标的选取 | 第38页 |
| 4.1.2 数据的获取及预处理 | 第38-41页 |
| 4.2 K-means聚类算法的改进 | 第41-47页 |
| 4.2.1 算法改进步骤 | 第41-43页 |
| 4.2.2 确定效果比较准则 | 第43页 |
| 4.2.3 算法改进前后分类效果对比 | 第43-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 基于改进K-means算法的银行客户细分 | 第48-59页 |
| 5.1 客户细分结果分析 | 第48-57页 |
| 5.2 提出针对性策略及建议 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
