| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-13页 |
| ·创新点 | 第13-14页 |
| ·组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 相关基础理论概述 | 第15-19页 |
| ·数据挖掘相关技术简介 | 第15-16页 |
| ·聚类分析相关技术简介 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 银行客户分类方案设计 | 第19-24页 |
| ·分类问题描述 | 第19页 |
| ·建立分类理论依据 | 第19-20页 |
| ·建立评价体系 | 第20-21页 |
| ·建立银行客户分类总体思路 | 第21-22页 |
| ·基于改进的K-means算法的银行客户分类方案设计 | 第22-23页 |
| ·总体过程设计 | 第22页 |
| ·银行客户分类方案设计 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第4章 K-means聚类算法及改进 | 第24-30页 |
| ·K-means聚类算法 | 第24-25页 |
| ·K-means聚类算法的缺点 | 第25-27页 |
| ·K-means算法的改进 | 第27-29页 |
| ·结合业务逻辑改进K-means算法 | 第27-28页 |
| ·改进算法的性能分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第5章 建立客户聚类具体规则 | 第30-39页 |
| ·建立银行客户已实现价值计算规则 | 第30-34页 |
| ·确定客户已实现价值的度量指标 | 第30-31页 |
| ·确定客户已实现价值的计算方法 | 第31-34页 |
| ·建立银行客户未来价值的计算规则 | 第34-36页 |
| ·确定客户未来价值度量指标 | 第34-35页 |
| ·确定客户未来价值的计算方法 | 第35-36页 |
| ·银行客户忠实度计算 | 第36-38页 |
| ·银行客户忠实度 | 第36页 |
| ·确定银行客户忠实度度量指标 | 第36-38页 |
| ·确定银行客户忠实度值计算方法 | 第38页 |
| ·计算银行客户的终身价值 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第6章 银行客户数据的初步处理和挖掘 | 第39-49页 |
| ·收集相关数据 | 第39-41页 |
| ·处理相关数据 | 第41-42页 |
| ·实验 | 第42-45页 |
| ·实验结果与解释 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第7章 结语 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·未来工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |