| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究的背景及意义 | 第8页 |
| ·课题在国内外的研究现状 | 第8-10页 |
| ·聚类算法的研究现状 | 第8-9页 |
| ·移动客户流失的研究现状 | 第9-10页 |
| ·本文的主要研究工作 | 第10-11页 |
| 第二章 数据挖掘中的聚类算法分析 | 第11-22页 |
| ·数据挖掘知识概述 | 第11-14页 |
| ·数据挖掘的社会需求 | 第11页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘系统的分类 | 第11-12页 |
| ·数据挖掘的功能 | 第12页 |
| ·数据挖掘的应用领域 | 第12-14页 |
| ·聚类分析的基础知识 | 第14-18页 |
| ·聚类的定义 | 第14页 |
| ·聚类分析中的数据类型 | 第14-15页 |
| ·区间标度变量 | 第15-16页 |
| ·二元变量和序数型变量 | 第16-17页 |
| ·变量间的相关系数 | 第17-18页 |
| ·常用聚类算法及其比较 | 第18-21页 |
| ·划分方法 | 第18页 |
| ·基于密度的方法 | 第18页 |
| ·层次方法 | 第18-19页 |
| ·基于模型的方法 | 第19页 |
| ·基于网格的方法 | 第19页 |
| ·模糊聚类FCM | 第19-20页 |
| ·高维数据的聚类法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 聚类算法的联合使用 | 第22-35页 |
| ·划分聚类方法 | 第22-25页 |
| ·k-means算法的思想 | 第22-23页 |
| ·k-means算法面临的主要问题 | 第23页 |
| ·k-means算法的现有改进 | 第23-25页 |
| ·层次聚类方法 | 第25-27页 |
| ·凝聚和分裂的层次聚类 | 第25页 |
| ·凝聚层次聚类算法 | 第25-26页 |
| ·常用的簇间距离度量方法 | 第26页 |
| ·凝聚层次聚类举例 | 第26-27页 |
| ·K-MEANS算法与层次聚类算法的比较 | 第27-28页 |
| ·聚类算法在移动客户划分中的联合应用 | 第28-34页 |
| ·改进的聚类算法 | 第28-30页 |
| ·算法在移动客户划分中的应用 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 聚类技术在移动客户流失管理中的应用 | 第35-46页 |
| ·移动通信选择数据挖掘的必然性 | 第35-36页 |
| ·移动客户基本特征描述 | 第36-37页 |
| ·移动客户综合价值评判 | 第36页 |
| ·流失客户消费行为分析 | 第36-37页 |
| ·建模在移动客户流失中的应用 | 第37-39页 |
| ·移动客户流失建模过程 | 第37-38页 |
| ·移动客户流失模型应用 | 第38-39页 |
| ·使用SPSS Clementine对客户建模和聚类分析 | 第39-45页 |
| ·准备数据 | 第39-40页 |
| ·客户初次聚类 | 第40-43页 |
| ·流失客户消费行为分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士期间发表的论文 | 第51页 |