| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·主要研究内容 | 第10-12页 |
| 第二章 客户细分的理论基础 | 第12-20页 |
| ·客户细分基本理论 | 第12-15页 |
| ·客户细分概述 | 第12-13页 |
| ·客户细分的方式 | 第13-14页 |
| ·常用的客户细分方法 | 第14-15页 |
| ·将聚类算法应用于客户细分 | 第15-17页 |
| ·银行业的客户细分 | 第17-20页 |
| ·银行业概况 | 第17-18页 |
| ·对银行卡消费者进行细分研究的必要性 | 第18页 |
| ·银行卡消费数据作为研究样本的可能性 | 第18-20页 |
| 第三章 数据预处理 | 第20-34页 |
| ·数据预处理概述 | 第20-21页 |
| ·客户数据库 | 第21-22页 |
| ·银行业客户数据预处理的原因 | 第22-24页 |
| ·数据预处理技术 | 第24-34页 |
| ·数据属性选择 | 第24-25页 |
| ·数据清洗(Data cleaning) | 第25-28页 |
| ·数据集成(Data integration) | 第28-29页 |
| ·数据变换(Data transformation) | 第29-30页 |
| ·数据规约(Data reduction) | 第30-34页 |
| 第四章 模糊c均值聚类算法在客户细分中的应用 | 第34-58页 |
| ·聚类算法分析技术 | 第34-39页 |
| ·聚类算法概念 | 第34页 |
| ·聚类算法分类 | 第34-36页 |
| ·聚类结果的评价 | 第36-39页 |
| ·模糊聚类算法的发展概况 | 第39-41页 |
| ·经典的模糊c均值(FCM)聚类算法 | 第41-43页 |
| ·改进的模糊c均值(FCM)聚类算法 | 第43-48页 |
| ·改进算法的实现流程 | 第43-46页 |
| ·改进算法的几个实现细节说明 | 第46-48页 |
| ·应用模糊c均值聚类(FCM)进行客户细分 | 第48-55页 |
| ·准备工作 | 第48-49页 |
| ·应用FCM算法进行客户细分 | 第49-52页 |
| ·结果分析 | 第52-53页 |
| ·一组细分结果的解释 | 第53-55页 |
| ·客户细分原型系统的实现 | 第55-58页 |
| ·系统功能模块 | 第55页 |
| ·系统功能介绍 | 第55-58页 |
| 第五章 结束语 | 第58-61页 |
| ·研究结果的意义 | 第58-59页 |
| ·取得的成果 | 第59-60页 |
| ·存在的问题及进一步研究方向 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的论文 | 第66页 |