| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 本文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文主要的研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 客户消费行为研究相关技术介绍 | 第15-24页 |
| 2.1 客户消费行为分析 | 第15页 |
| 2.2 客户消费行为的相关技术 | 第15-23页 |
| 2.2.1 客户消费数据的预处理 | 第16-18页 |
| 2.2.2 客户细分的聚类算法 | 第18-19页 |
| 2.2.3 客户消费行为的关联规则算法 | 第19-22页 |
| 2.2.4 客户消费行为预测的算法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于K-MEANS算法的客户细分研究 | 第24-38页 |
| 3.1 引言 | 第24-25页 |
| 3.2 客户细分 | 第25页 |
| 3.3 K-MEANS聚类算法的改进 | 第25-31页 |
| 3.3.1 传统的K-MEANS聚类算法 | 第25-27页 |
| 3.3.2 改进的K-MEANS聚类算法 | 第27-31页 |
| 3.4 实验及结果分析 | 第31-37页 |
| 3.4.1 实验环境与实验数据 | 第31-32页 |
| 3.4.2 实验过程与实验结果分析 | 第32-36页 |
| 3.4.3 客户细分结果及特征描述 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 结合客户消费行为模式变化的关联预测模型研究 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 传统客户消费行为模式变化预测算法 | 第38-44页 |
| 4.2.1 发现关联规则的Apriori算法 | 第39-41页 |
| 4.2.2 基于客户行为变量RFM的消费行为挖掘 | 第41-42页 |
| 4.2.3 关联规则预测模型的建立 | 第42-44页 |
| 4.3 改进后客户消费行为模式变化预测算法 | 第44-49页 |
| 4.3.1 改进后的关联预测模型建立 | 第44-47页 |
| 4.3.2 预测客户消费行为模式变化准则 | 第47-49页 |
| 4.4 实验及结果分析 | 第49-53页 |
| 4.4.1 实验环境与实验数据 | 第49页 |
| 4.4.2 实验过程与实验结果分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 全文工作总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间的研究成果 | 第61页 |