基于蚁群聚类算法的客户细分研究与应用
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·蚁群算法 | 第11页 |
| ·聚类分析 | 第11-12页 |
| ·蚁群聚类算法 | 第12-13页 |
| ·论文的主要内容和框架 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 蚁群算法 | 第15-20页 |
| ·蚁群算法引入 | 第15页 |
| ·蚁群算法基本原理 | 第15-17页 |
| ·蚁群算法实现与应用 | 第17-18页 |
| ·蚁群算法优缺点 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 聚类分析技术 | 第20-29页 |
| ·数据挖掘 | 第20-22页 |
| ·数据挖掘概念 | 第20页 |
| ·数据挖掘任务 | 第20-21页 |
| ·数据挖掘的实际应用 | 第21-22页 |
| ·聚类分析 | 第22-24页 |
| ·聚类分析定义 | 第22页 |
| ·聚类分析的数据类型及相似性测量方法 | 第22-24页 |
| ·数据挖掘对聚类分析要求 | 第24页 |
| ·常用的聚类算法 | 第24-27页 |
| ·K-means 聚类算法 | 第25-26页 |
| ·基于网格的聚类算法 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第4章 蚁群聚类算法及其改进 | 第29-44页 |
| ·蚁群聚类算法简介 | 第29-33页 |
| ·蚁群聚类算法的种类 | 第29-32页 |
| ·蚁群聚类算法的优缺点 | 第32-33页 |
| ·标准蚁群聚类算法 | 第33-34页 |
| ·LF 算法的基本思想与实现 | 第33-34页 |
| ·LF 算法的不足 | 第34页 |
| ·自适应蚁群聚类算法 | 第34-36页 |
| ·改进的蚁群聚类算法 | 第36-43页 |
| ·改进的蚁群聚类算法思想 | 第36-38页 |
| ·改进算法的步骤 | 第38页 |
| ·改进算法的流程图 | 第38-39页 |
| ·改进前后算法实验 | 第39-42页 |
| ·实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 改进的蚁群算法在银行客户细分中的应用 | 第44-48页 |
| ·客户细分 | 第44-46页 |
| ·客户细分概念 | 第44页 |
| ·银行客户细分原理 | 第44-45页 |
| ·银行客户细分必要性 | 第45-46页 |
| ·改进算法在客户细分中的应用 | 第46-47页 |
| ·实验设计 | 第46页 |
| ·银行客户细分结果与分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| ·总结 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 附录 A （攻读学位期间所发表的学术论文目录） | 第56页 |
