| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题的依据与意义 | 第10-11页 |
| 1.2 混合属性聚类算法国内外研究现状 | 第11-13页 |
| 1.3 混合属性聚类算法存在的问题 | 第13页 |
| 1.4 本文的研究内容和组织结构 | 第13-15页 |
| 第2章 聚类分析研究综述 | 第15-23页 |
| 2.1 聚类分析的五个维度 | 第15-17页 |
| 2.2 相似性度量角度的分类 | 第17-18页 |
| 2.3 聚类算法角度的分类 | 第18-21页 |
| 2.3.1 基于优化的算法 | 第19-20页 |
| 2.3.2 基于层次的算法 | 第20-21页 |
| 2.3.3 基于增量思想的算法 | 第21页 |
| 2.4 混合属性聚类算法概述 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于相似性度量改进的混合属性聚类算法 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 问题描述与定义 | 第23-24页 |
| 3.3 基于特性比较的混合属性相似性度量方法 | 第24-26页 |
| 3.4 改进的混合属性聚类分析算法 | 第26-28页 |
| 3.5 实验与分析 | 第28-31页 |
| 3.5.1 聚类算法的有效性验证 | 第28-29页 |
| 3.5.2 混合属性聚类分析实验 | 第29-30页 |
| 3.5.3 实验结果分析 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于属性相关性的改进混合属性聚类算法 | 第32-43页 |
| 4.1 引言 | 第32-33页 |
| 4.2 混合属性相关性研究现状 | 第33-34页 |
| 4.3 混合属性相关性计算 | 第34-38页 |
| 4.3.1 数值属性之间的相关性计算 | 第34页 |
| 4.3.2 分类属性之间的相关性计算方法 | 第34-36页 |
| 4.3.3 数值属性与分类属性之间的相关性计算 | 第36-38页 |
| 4.4 主成分分析法 | 第38-40页 |
| 4.5 基于属性相关性的改进混合属性聚类分析算法 | 第40-41页 |
| 4.6 实验与分析 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 混合属性聚类算法在客户细分中的应用 | 第43-53页 |
| 5.1 客户细分的意义和方法 | 第43-44页 |
| 5.1.1 客户细分的意义 | 第43-44页 |
| 5.1.2 客户细分的方法 | 第44页 |
| 5.2 基于客户价值的客户细分模型 | 第44-47页 |
| 5.2.1 客户价值评价体系 | 第44-46页 |
| 5.2.2 客户属性的选取 | 第46页 |
| 5.2.3 基于聚类和客户价值的客户细分方法 | 第46-47页 |
| 5.3 实证分析 | 第47-51页 |
| 5.3.1 基于客户价值的电信行业客户细分及研究现状 | 第47-48页 |
| 5.3.2 客户价值的属性选取 | 第48-49页 |
| 5.3.3 选取样本数据 | 第49页 |
| 5.3.4 客户细分 | 第49-51页 |
| 5.3.5 公司策略分析 | 第51页 |
| 5.4 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |