| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状与存在问题 | 第15-18页 |
| 1.2.1 人工鱼群K-means算法研究现状 | 第15-17页 |
| 1.2.2 客户细分的研究现状 | 第17-18页 |
| 1.3 研究内容与论文结构 | 第18-20页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 论文结构 | 第18-20页 |
| 第二章 相关研究综述 | 第20-30页 |
| 2.1 聚类分析算法 | 第20-22页 |
| 2.1.1 聚类分析及其分类 | 第20-21页 |
| 2.1.2 K-means算法 | 第21-22页 |
| 2.2 人工鱼群算法 | 第22-26页 |
| 2.2.1 人工鱼群算法的基本思想与模型 | 第22-24页 |
| 2.2.2 人工鱼群算法的运行机制 | 第24-26页 |
| 2.3 客户细分 | 第26-30页 |
| 2.3.1 客户细分及其意义 | 第26-27页 |
| 2.3.2 客户细分的属性和方法 | 第27-28页 |
| 2.3.3 客户细分的过程 | 第28-29页 |
| 2.3.4 数据挖掘在客户细分中的应用 | 第29-30页 |
| 第三章 人工鱼群K-means算法设计 | 第30-46页 |
| 3.1 人工鱼群算法的参数选择 | 第30-31页 |
| 3.2 人工鱼群K-means算法构建 | 第31-34页 |
| 3.2.1 构建人工鱼群K-means算法的必要性 | 第31-32页 |
| 3.2.2 算法相关变量 | 第32-33页 |
| 3.2.3 算法描述以及流程 | 第33-34页 |
| 3.3 算法验证与分析 | 第34-46页 |
| 3.3.1 验证实验 | 第34-35页 |
| 3.3.2 运算过程 | 第35-42页 |
| 3.3.3 评估规则 | 第42页 |
| 3.3.4 结果分析 | 第42-46页 |
| 第四章 人工鱼群K-means算法在联通客户细分中的应用 | 第46-55页 |
| 4.1 应用背景 | 第46页 |
| 4.2 数据采集与处理 | 第46-49页 |
| 4.2.1 数据来源 | 第46-47页 |
| 4.2.2 属性抽取 | 第47-49页 |
| 4.2.3 数据预处理 | 第49页 |
| 4.3 建立模型与应用 | 第49-55页 |
| 4.3.1 建立模型 | 第49-50页 |
| 4.3.2 应用人工鱼群K-means算法进行客户聚类 | 第50-51页 |
| 4.3.3 结果分析 | 第51-54页 |
| 4.3.4 客户营销策略制定 | 第54-55页 |
| 第五章 总结和展望 | 第55-57页 |
| 5.1 本文的主要工作 | 第55页 |
| 5.2 论文展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-62页 |
