关联规则挖掘和孤立点分析的研究及其在ACRM中的应用
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·CRM简介 | 第11-12页 |
| ·CRM的定义及其流行的原因 | 第11页 |
| ·CRM分类 | 第11-12页 |
| ·数据挖掘简介 | 第12-15页 |
| ·数据挖掘产生的背景 | 第12-13页 |
| ·数据挖掘的定义及功能 | 第13-15页 |
| ·数据挖掘在 CRM中的应用 | 第15-17页 |
| ·获取新的目标客户 | 第15-16页 |
| ·客户保留—提升现有客户价值 | 第16页 |
| ·利用模型对客户进行评价 | 第16页 |
| ·实现营销战略优化 | 第16-17页 |
| ·本文的研究工作及意义 | 第17-18页 |
| ·本文的研究成果 | 第18-19页 |
| 第二章 关联规则挖掘综述 | 第19-29页 |
| ·引言 | 第19页 |
| ·关联规则的基本概念 | 第19-21页 |
| ·基本概念和问题描述 | 第19-20页 |
| ·关联规则的种类 | 第20-21页 |
| ·关联规则挖掘的算法 | 第21-26页 |
| ·经典频繁项集方法 | 第21-23页 |
| ·其它的频繁项集挖掘方法 | 第23-24页 |
| ·多层和多维关联规则的挖掘 | 第24-26页 |
| ·关联规则价值衡量的方法 | 第26-28页 |
| ·系统客观层面 | 第26-27页 |
| ·用户主观层面 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 基于概率统计的否定关联规则挖掘 | 第29-36页 |
| ·引言 | 第29页 |
| ·关联规则的支持度一可信度框架 | 第29-30页 |
| ·关联规则的挖掘过程 | 第29页 |
| ·支持度一可信度框架存在的问题 | 第29-30页 |
| ·概率统计的基本概念 | 第30-31页 |
| ·事件的独立性 | 第30页 |
| ·事件的相关性(correlation) | 第30-31页 |
| ·否定关联规则的挖掘 | 第31-35页 |
| ·小结 | 第35-36页 |
| 第四章 孤立点挖掘综述 | 第36-43页 |
| ·孤立点挖掘简介 | 第36页 |
| ·孤立点挖掘方法的分类 | 第36-42页 |
| ·基于统计的方法 | 第36-37页 |
| ·基于距离的方法 | 第37-39页 |
| ·基于偏离的方法 | 第39页 |
| ·基于密度的方法 | 第39-41页 |
| ·高维数据的孤立点检测 | 第41-42页 |
| §4.3 算法小结 | 第42-43页 |
| 第五章 基于李雅普诺夫定理的数据孤立点挖掘研究 | 第43-51页 |
| §5.1 引言 | 第43页 |
| §5.2 李雅普诺夫(Liapunov)定理 | 第43-44页 |
| §5.3 样本和抽样 | 第44-46页 |
| ·样本 | 第44-45页 |
| ·抽样 | 第45-46页 |
| §5.4 区间估计 | 第46-51页 |
| ·点估计 | 第46-47页 |
| ·置信区间 | 第47-48页 |
| ·大数据集中孤立点的挖掘 | 第48-49页 |
| ·算法5.1与传统的孤立点挖掘算法的复杂性比较 | 第49-51页 |
| 第六章 KDACRM的分析及实现 | 第51-71页 |
| §6.1 引言 | 第51-53页 |
| ·KDACRM的功能需求 | 第51页 |
| ·ACRM中数据挖掘的步骤 | 第51-52页 |
| ·KDACRM的体系结构 | 第52-53页 |
| §6.2 KDACRM系统的实现 | 第53-71页 |
| ·结构描述 | 第53-55页 |
| ·数据收集模块 | 第55-57页 |
| ·表格文本模块 | 第57-58页 |
| ·数据建模模块 | 第58-65页 |
| ·视图模块 | 第65-70页 |
| ·数据接口模块 | 第70-71页 |
| 第七章 结束语 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附录：攻读硕士学位期间发表的论文 | 第73-74页 |
| 参考文献 | 第74-76页 |
