| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状及存在问题 | 第10-16页 |
| ·国内外研究现状 | 第10-15页 |
| ·存在的问题 | 第15-16页 |
| ·本文的研究内容和论文结构 | 第16-19页 |
| 2 基于k调和均值和微粒群优化的自动聚类算法 | 第19-30页 |
| ·相似性度量 | 第19页 |
| ·k调和均值 | 第19-20页 |
| ·聚类指标函数 | 第20-21页 |
| ·微粒群优化方法 | 第21-23页 |
| ·微粒群优化简介 | 第21-22页 |
| ·微粒群优化的速度要素和参数分析 | 第22-23页 |
| ·基于微粒群优化的聚类算法 | 第23-24页 |
| ·微粒群优化的编码方式 | 第23页 |
| ·微粒群优化在聚类应用中的改进 | 第23-24页 |
| ·自动聚类算法 | 第24页 |
| ·数值实验 | 第24-29页 |
| ·算法有效性实验 | 第25-28页 |
| ·KHP与DCPSO、KMP算法比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于密度分布函数和小生境微粒群优化的自动聚类算法 | 第30-40页 |
| ·基于影响函数的密度分布函数 | 第30-31页 |
| ·小生境微粒群优化 | 第31-32页 |
| ·基于改进小生境微粒群优化的聚类算法 | 第32-36页 |
| ·改进的小生境微粒群优化 | 第32-34页 |
| ·自动聚类算法 | 第34-36页 |
| ·数值实验 | 第36-39页 |
| ·密度分布函数中参数选取的讨论 | 第37-38页 |
| ·CDNPSO和KHMPSO算法比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 自动聚类算法在客户细分中的应用 | 第40-50页 |
| ·客户细分 | 第40-41页 |
| ·RFM指标体系 | 第41-42页 |
| ·基于自动聚类算法的客户细分及结果解释 | 第42-49页 |
| ·问题描述 | 第42页 |
| ·数据处理 | 第42-43页 |
| ·客户分群 | 第43页 |
| ·结果解释及营销策略 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |