| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 数据挖掘国内外发展现状分析 | 第10-11页 |
| 1.2 数据挖掘技术在电信领域的应用现状 | 第11-13页 |
| 1.3 论文的主要研究内容和结构 | 第13-14页 |
| 第2章 数据结构及数据挖掘技术概述 | 第14-21页 |
| 2.1 数据仓库的定义 | 第14-15页 |
| 2.2 数据仓库的相关概念 | 第15-16页 |
| 2.3 数据挖掘技术的基本定义 | 第16页 |
| 2.4 数据挖掘技术的相关功能 | 第16-18页 |
| 2.5 数据库数据挖掘相关策略 | 第18页 |
| 2.6 数据挖掘流程 | 第18-21页 |
| 第3章 电信客户交叉模型构建 | 第21-36页 |
| 3.1 互关联基础概念 | 第21-22页 |
| 3.2 互关联的频繁项集相关算法 | 第22-24页 |
| 3.2.1 Apriori 算法 | 第22-23页 |
| 3.2.2 AprioriTid 优化算法 | 第23-24页 |
| 3.2.3 Auto-Apriori 算法 | 第24页 |
| 3.2.5 FP-Growth 算法 | 第24页 |
| 3.3 APRIORI 系列算法分析 | 第24-26页 |
| 3.4 基于 PL/SQL 的 FP-GROWTH 算法 | 第26-28页 |
| 3.4.1 FP-Tree 树的数据结构 | 第26-27页 |
| 3.4.2 FP-Tree 的生成过程 | 第27-28页 |
| 3.4.3 基于 PL/SQL 的频繁模式挖掘 | 第28页 |
| 3.5 基于互关联规则的交叉销售模型 | 第28-34页 |
| 3.6 模型评估 | 第34-36页 |
| 第4章 电信客户响应模型构建 | 第36-57页 |
| 4.1 决策树算法的基本概念 | 第36-39页 |
| 4.1.1 决策树建立的评价指标 | 第36-38页 |
| 4.1.2 决策树的修剪 | 第38-39页 |
| 4.2 决策树算法比较 | 第39-41页 |
| 4.3 SPRINT 算法 | 第41-45页 |
| 4.4 基于决策树的客户响应模型 | 第45-54页 |
| 4.5 模型评价性分析 | 第54-57页 |
| 第5章 电信客户细分模型构建 | 第57-67页 |
| 5.1 聚类算法的基本概念 | 第57页 |
| 5.2 基本的聚类算法 | 第57-58页 |
| 5.3 基于聚类的用户细分模型 | 第58-67页 |
| 第6章 总结和展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72页 |