一种分层聚类模型及其在电信行业的应用研究
| 第一章引言 | 第1-22页 |
| 1．1数据挖掘技术概述 | 第14-15页 |
| 1．2数据挖掘的基本概念 | 第15页 |
| 1．3数据挖掘的意义 | 第15-16页 |
| 1．4数据挖掘技术发展的现状和趋势 | 第16-17页 |
| 1．5数据挖掘的功能 | 第17-18页 |
| 1．6数据挖掘与其他相关技术 | 第18-19页 |
| 1．7数据挖掘在电信业中的应用 | 第19-20页 |
| 1．8本文的工作 | 第20页 |
| 1．9论文的组织 | 第20-22页 |
| 第二章相关技术和方法 | 第22-30页 |
| 2．1数据挖掘的过程 | 第22-24页 |
| 2．2数据挖掘的方法和技术 | 第24-25页 |
| 2．3数据挖掘中的聚类方法 | 第25-28页 |
| 2．4电信业客户特征的数据模型 | 第28-30页 |
| 第三章一种基于代表点的分层聚类方法及其应用研究 | 第30-37页 |
| 3．1改进的CURE算法 | 第30-33页 |
| 3．1．1算法描述 | 第31页 |
| 3．1．2原子聚类 | 第31-32页 |
| 3．1．3层次聚类 | 第32-33页 |
| 3．2算法分析 | 第33-35页 |
| 3．2．1参数设置 | 第33-34页 |
| 3．2．2时间复杂度分析 | 第34页 |
| 3．2．3聚类质量分析 | 第34-35页 |
| 3．2．4噪声数据处理 | 第35页 |
| 3．3实验与分析 | 第35-37页 |
| 第四章一个面向高维数据的聚类算法 | 第37-42页 |
| 4．1算法基本思路 | 第37-39页 |
| 4．2算法基本步骤 | 第39-42页 |
| 第五章高维聚类算法在电信行业的应用 | 第42-54页 |
| 5．1目标确立 | 第42页 |
| 5．2数据准备 | 第42-46页 |
| 5．3聚类分析 | 第46-52页 |
| 5．4客户细分模型的应用 | 第52-54页 |
| 第六章结束语 | 第54-55页 |
| 6．1本文研究工作总结 | 第54页 |
| 6．2进一步的工作 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者在攻读硕士期间发表或被录用的论文 | 第58页 |
