| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 课题的研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究内容及意义 | 第16页 |
| 1.4 章节安排 | 第16-18页 |
| 2 基于货代行业决策支持的 CRM 系统构架设计 | 第18-35页 |
| 2.1 应用场景及架构 | 第18-19页 |
| 2.2 CRM 系统功能设计 | 第19-21页 |
| 2.3 系统信息及分析流程 | 第21-34页 |
| 2.3.1 信息模型 | 第21-25页 |
| 2.3.2 基于元数据管理的数据整合框架 | 第25-34页 |
| 2.4 小结 | 第34-35页 |
| 3 基于支持向量机的客户信用评估 | 第35-44页 |
| 3.1 基于支持向量机的客户信用评估总体流程 | 第35-36页 |
| 3.2 基于支持向量机的客户信用评估模型实现 | 第36-43页 |
| 3.2.1 准备数据集 | 第36-37页 |
| 3.2.2 对数据进行简单的缩放操作 | 第37-40页 |
| 3.2.3 选择核函数 | 第40页 |
| 3.2.4 采用交叉验证选择最佳参数 C 与 g； | 第40-41页 |
| 3.2.5 采用最佳参数 C 与 g 对整个训练集进行训练获取支持向量机模型 | 第41-42页 |
| 3.2.6 利用获取的模型进行测试与预测 | 第42-43页 |
| 3.3 小结 | 第43-44页 |
| 4 基于支持向量机的运营决策支持 | 第44-52页 |
| 4.1 基于支持向量机的文本挖掘 | 第44-45页 |
| 4.2 基于支持向量机的运营决策支持模型实现 | 第45-51页 |
| 4.2.1 分词 | 第46-48页 |
| 4.2.2 词频统计 | 第48-49页 |
| 4.2.3 生成训练文件 | 第49页 |
| 4.2.4 选择核函数； | 第49页 |
| 4.2.5 采用交叉验证选择最佳参数 C 与 g； | 第49-50页 |
| 4.2.6 采用最佳参数 C 与 g 对整个训练集进行训练获取支持向量机模型 | 第50页 |
| 4.2.7 利用获取的模型进行测试与预测 | 第50-51页 |
| 4.3 小结 | 第51-52页 |
| 5 系统应用验证 | 第52-68页 |
| 5.1 系统实现及应用 | 第52-62页 |
| 5.1.1 基础信息模块 | 第52-55页 |
| 5.1.2 营销模块 | 第55-58页 |
| 5.1.3 客服模块 | 第58-60页 |
| 5.1.4 价格管理模块 | 第60-61页 |
| 5.1.5 考核模块 | 第61-62页 |
| 5.2 系统应用展示 | 第62-66页 |
| 5.3 应用效果分析 | 第66-67页 |
| 5.4 小结 | 第67-68页 |
| 6 结论与展望 | 第68-70页 |
| 6.1 全文总结 | 第68页 |
| 6.2 课题展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录一 | 第73-76页 |
| 附录二 | 第76-79页 |
| 致谢 | 第79-80页 |
| 作者攻读学位期间发表的论文 | 第80页 |
