| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·本课题的背景 | 第7页 |
| ·课题的研究意义 | 第7-8页 |
| ·国内外研究应用现状 | 第8-10页 |
| ·国外的研究应用现状 | 第8-9页 |
| ·国内的研究应用现状 | 第9-10页 |
| ·本文研究内容及创新点 | 第10页 |
| ·论文的组织结构 | 第10-12页 |
| 第二章 聚类分析算法概述 | 第12-22页 |
| ·聚类分析的概念 | 第12-15页 |
| ·聚类的定义 | 第12页 |
| ·聚类分析的数据结构 | 第12-13页 |
| ·聚类分析的数据类型 | 第13-14页 |
| ·聚类的有效性评价 | 第14-15页 |
| ·聚类分析的优势 | 第15-16页 |
| ·主要的聚类方法 | 第16-19页 |
| ·划分方法 | 第16-17页 |
| ·层次方法 | 第17-18页 |
| ·基于密度的方法 | 第18页 |
| ·基于网格的方法 | 第18-19页 |
| ·基于模型的方法 | 第19页 |
| ·几种常用算法的性能比较 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 传统的聚类算法在移动客户消费模式中的聚类应用 | 第22-32页 |
| ·数据准备 | 第22-26页 |
| ·需求分析 | 第22-23页 |
| ·数据预处理 | 第23-26页 |
| ·使用K-MEANS算法对移动客户聚类 | 第26-31页 |
| ·K-means算法简介 | 第26-27页 |
| ·使用误差平方和准则函数的K-means算法 | 第27页 |
| ·K-means聚类算法实现结果 | 第27-30页 |
| ·K-means算法的不足 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 使用模糊蚁群聚类算法进行中国移动客户聚类分析 | 第32-48页 |
| ·蚁群聚类算法 | 第32-35页 |
| ·蚁群聚类算法简介 | 第33页 |
| ·基本蚁群聚类模型 | 第33-34页 |
| ·标准蚁群聚类模型 | 第34页 |
| ·蚁群算法的优点和不足 | 第34-35页 |
| ·模糊聚类分析 | 第35-37页 |
| ·模糊集的定义 | 第35-36页 |
| ·模糊聚类的概念 | 第36-37页 |
| ·基于目标函数的模糊聚类 | 第37页 |
| ·模糊蚁群聚类算法 | 第37-41页 |
| ·基于蚂蚁觅食原理的聚类算法 | 第37-39页 |
| ·模糊C均值聚类算法 | 第39-40页 |
| ·基于蚁群的模糊聚类算法 | 第40-41页 |
| ·使用模糊蚁群聚类算法进行客户细分 | 第41-44页 |
| ·客户聚类结果分析及应用探索 | 第44-46页 |
| ·聚类结果评估 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第五章 结论 | 第48-50页 |
| ·本文的工作总结 | 第48页 |
| ·后续工作及展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间研究成果 | 第54-55页 |