| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 数据挖掘国内外现状 | 第12-13页 |
| 1.2.2 精准营销国内外现状 | 第13-15页 |
| 1.3 数据挖掘在精准营销领域应用的特色 | 第15页 |
| 1.4 论文主要研究的内容 | 第15-17页 |
| 第2章 精准营销与数据挖掘理论综述 | 第17-20页 |
| 2.1 精准营销理论 | 第17-18页 |
| 2.1.1 精准营销的定义 | 第17页 |
| 2.1.2 客户细分的依据和方式 | 第17-18页 |
| 2.2 数据挖掘理论 | 第18-19页 |
| 2.2.1 数据挖掘的定义 | 第18-19页 |
| 2.2.2 数据预处理 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于保险数据的关联规则技术研究 | 第20-30页 |
| 3.1 关联规则的定义 | 第20-21页 |
| 3.2 关联规则挖掘步骤 | 第21-22页 |
| 3.2.1 高频项集生成过程 | 第21页 |
| 3.2.2 生成频繁项集的规则 | 第21-22页 |
| 3.3 保险数据的关联分析 | 第22-28页 |
| 3.3.1 保险客户属性数值化 | 第23-24页 |
| 3.3.2 关联分析的算法描述 | 第24-26页 |
| 3.3.3 保险数据的关联分析 | 第26-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第4章 基于海量保险数据的关联规则技术优化 | 第30-40页 |
| 4.1 GREENPLUM分布式数据仓库 | 第31-33页 |
| 4.1.1 Greenplum分布式存储 | 第32页 |
| 4.1.2 Greenplum并行处理 | 第32-33页 |
| 4.2 关联规则APRIORI算法优化 | 第33-35页 |
| 4.2.1 基于Greenplum分段处理 | 第33-34页 |
| 4.2.2 数组化的Apriori算法 | 第34页 |
| 4.2.3 连接操作的改进 | 第34-35页 |
| 4.3 基于数组的APRIORI算法改进的描述 | 第35-36页 |
| 4.4 基于数组的APRIORI算法改进在保险数据的描述 | 第36-38页 |
| 4.5 基于数组的APRIORI算法改进后的性能分析 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 基于海量数据的精准营销实现 | 第40-48页 |
| 5.1 源数据的预处理 | 第41-43页 |
| 5.2 基于K-MEANS聚类算法的客户分群 | 第43-46页 |
| 5.3 基于客户群落的关联规则实现 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第52页 |