| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第10-12页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 第2章 相关概念界定 | 第12-18页 |
| 2.1 数据挖掘 | 第12-13页 |
| 2.1.1 数据挖掘概念 | 第12页 |
| 2.1.2 数据仓库概述 | 第12页 |
| 2.1.3 数据挖掘技术在银行CRM中的应用 | 第12-13页 |
| 2.2 聚类分析的相关技术介绍 | 第13-18页 |
| 2.2.1 聚类分析概述 | 第13-14页 |
| 2.2.2 聚类分析的现实应用 | 第14-15页 |
| 2.2.3 聚类分析的常见方法 | 第15-18页 |
| 第3章K-means聚类算法 | 第18-23页 |
| 3.1 K-means聚类算法思想 | 第18页 |
| 3.2 K-means聚类算法的目标函数 | 第18-19页 |
| 3.3 K-means算法的算法流程 | 第19-21页 |
| 3.4 K-means算法的缺点 | 第21-23页 |
| 第4章 银行CRM中的K-means聚类算法设计实例 | 第23-54页 |
| 4.1 实例总体背景和现状 | 第24-27页 |
| 4.1.1 目前对公客户管理面临的挑战 | 第24-25页 |
| 4.1.2 业务问题的分析思路和解决方法 | 第25-26页 |
| 4.1.3 实例客户特征 | 第26-27页 |
| 4.2 客户分群分析 | 第27-52页 |
| 4.2.1 产品组合关联分群 | 第28-42页 |
| 4.2.2 客户交易活跃度分群 | 第42-47页 |
| 4.2.3 客户产品偏好分群 | 第47-50页 |
| 4.2.4 基于需求发现的行动建议 | 第50-52页 |
| 4.3 银行建立数据挖掘的良性循环机制思考 | 第52-54页 |
| 第5章 结论与展望 | 第54-56页 |
| 5.1 本文结论 | 第54-55页 |
| 5.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |