首页--经济论文--工业经济论文--信息产业经济(总论)论文

新浪微博客户的数据聚类分类研究

摘要第4-5页
Abstract第5页
第一章 绪论第9-12页
    1.1 研究背景和意义第9-10页
        1.1.1 研究背景第9-10页
        1.1.2 研究意义第10页
    1.2 研究内容和目标第10-11页
        1.2.1 研究内容第10页
        1.2.2 研究目标第10-11页
    1.3 国内外研究现状第11页
    1.4 文章结构第11-12页
第二章 数据挖掘与分类标准第12-19页
    2.1 数据挖掘概述第12-14页
        2.1.1 概念第12页
        2.1.2 功能第12-13页
        2.1.3 数据挖掘项目实施步骤第13-14页
        2.1.4 应用与发展趋势第14页
    2.2 微博用户分类标准第14-15页
        2.2.1 微博用户群分析第14-15页
    2.3 客户细分理论第15-18页
        2.3.1 微博营销第15-16页
        2.3.2 客户细分定义第16-17页
        2.3.3 客户细分的意义第17页
        2.3.4 客户细分方法第17-18页
    2.4 客户细分理论下微博用户分类第18-19页
第三章 CRISP‐DM 模型与数据 ETL第19-27页
    3.1 CRISP‐DM 模型第19-21页
        3.1.1 数据挖掘过程模型第19页
        3.1.2 Fayyad 与 SEMMA 模型第19-21页
    3.2 CRISP‐DM 模型第21-23页
        3.2.1 CRISP‐DM 生命周期第22-23页
    3.3 数据获取第23-24页
    3.4 数据验证第24-25页
    3.5 数据 ETL第25页
    3.6 数据清洗功能第25-27页
第四章 对新浪微博用户的分类挖掘第27-34页
    4.1 聚类算法第27-29页
        4.1.1 K‐means 算法第28-29页
    4.2 决策树算法第29-34页
        4.2.1 决策树算法原理第30页
        4.2.2 ID3 算法第30-32页
            4.2.2.1 信息熵定义第30-31页
            4.2.2.2 ID3 算法第31-32页
            4.2.2.3 ID 算法优缺点分析第32页
        4.2.3 CART 算法第32-34页
            4.2.3.1 CART 算法定义第32-33页
            4.2.3.2 Gini 指标第33页
            4.2.3.3 CART 算法结构第33-34页
第五章 挖掘实证分析第34-51页
    5.1 聚类挖掘实证分析第34-51页
        5.1.1 微博聚类挖掘业务理解第35页
        5.1.2 微博用户数据理解与数据准备第35-37页
        5.1.3 建立聚类挖掘模型第37-42页
            5.1.3.1 建立 k‐means 模型第37-39页
            5.1.3.2 建立多层聚类模型第39-41页
            5.1.3.3 评估与部署第41-42页
        5.1.4 决策树实证分析第42-51页
            5.1.4.1 以下是使用 ID3 算法也 CART 算法建模的实证过程分析第42页
            5.1.4.2 建立 ID3 挖掘模型第42-47页
            5.1.4.3 建立 CART 挖掘模型第47-51页
第六章 总结和展望第51-53页
    6.1 本文内容总结第51-52页
    6.2 本文的创新之处第52页
    6.3 本文的不足与展望第52-53页
参考文献第53-55页
致谢第55-56页
攻读硕士学位期间发表的论文第56-57页

论文共57页,点击 下载论文
上一篇:基于DWT图像数字水印技术研究
下一篇:基于STM32单片机音频系统设计与研究