基于线下零售的客群预测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 相关研究综述 | 第14-28页 |
| 2.1 线上和线下的比较 | 第14-15页 |
| 2.2 分类算法概述 | 第15-17页 |
| 2.3 神经网络模型概述 | 第17-25页 |
| 2.3.1 神经网络的原理 | 第17-18页 |
| 2.3.2 BP网络 | 第18-19页 |
| 2.3.3 MLP网络 | 第19-21页 |
| 2.3.4 传统RNN | 第21-22页 |
| 2.3.5 LSTM网络 | 第22-23页 |
| 2.3.6 模型融合思想 | 第23-25页 |
| 2.4 评测方法介绍 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于模型融合的顾客性别分类 | 第28-40页 |
| 3.1 基于模型融合的性别分类模型设计 | 第28-30页 |
| 3.2 数据处理 | 第30-33页 |
| 3.2.1 数据预处理 | 第30-32页 |
| 3.2.2 特征选择 | 第32-33页 |
| 3.2.3 降维 | 第33页 |
| 3.3 实验和结果分析 | 第33-39页 |
| 3.3.1 数据集介绍 | 第33-34页 |
| 3.3.2 结果分析 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于消费特征的顾客回店预测 | 第40-54页 |
| 4.1 RFM模型 | 第40-41页 |
| 4.2 相关算法介绍 | 第41-43页 |
| 4.2.1 层次分析法 | 第41-42页 |
| 4.2.2 K-means聚类算法 | 第42-43页 |
| 4.3 模型设计 | 第43-45页 |
| 4.4 数据处理 | 第45-47页 |
| 4.4.2 特征选择 | 第45-46页 |
| 4.4.3 特征离散化 | 第46-47页 |
| 4.5 实验和结果分析 | 第47-51页 |
| 4.5.1 数据集介绍 | 第47-48页 |
| 4.5.2 结果分析 | 第48-51页 |
| 4.6 本章小结 | 第51-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录 1 论文使用缩写说明 | 第60-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表或已录用的学术论文 | 第62页 |
