K-Means聚类算法研究与改进--以客户关系管理为例
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及其研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 研究思路及结构安排 | 第13-15页 |
| 第二章 部分相关理论 | 第15-29页 |
| 2.1 客户关系管理 | 第15-18页 |
| 2.1.1 客户关系管理概念 | 第15页 |
| 2.1.2 客户关系管理特征 | 第15-16页 |
| 2.1.3 客户关系管理中客户细分方法 | 第16-18页 |
| 2.2 K-Means聚类 | 第18-21页 |
| 2.2.1 聚类的概念 | 第18-20页 |
| 2.2.2 K-Means聚类 | 第20-21页 |
| 2.3 流形学习 | 第21-24页 |
| 2.3.1 流形学习 | 第21-22页 |
| 2.3.2 谱聚类 | 第22-24页 |
| 2.4 遗传算法 | 第24-27页 |
| 2.4.1 遗传算法的基本思想 | 第25页 |
| 2.4.2 遗传算法的特点 | 第25-26页 |
| 2.4.3 遗传算法的基本步骤 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 流形学习算法改进K-Means聚类 | 第29-35页 |
| 3.1 算法改进 | 第29-32页 |
| 3.2 算法实践 | 第32页 |
| 3.3 结果分析 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 GA_Clustering算法 | 第35-51页 |
| 4.1 算法改进 | 第35-42页 |
| 4.2 算法实践 | 第42-49页 |
| 4.2.1 准确率与种群数据规模关系 | 第42-45页 |
| 4.2.2 准确率与进化代数关系 | 第45-47页 |
| 4.2.3 准确率与种群规模关系 | 第47-49页 |
| 4.3 结果分析 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 改进算法在客户关系管理中的实践运用 | 第51-67页 |
| 5.1 客户群体聚类分析 | 第51-52页 |
| 5.2 实验步骤 | 第52-56页 |
| 5.2.1 数据的抽取 | 第52-53页 |
| 5.2.2 数据的探索及预处理 | 第53-54页 |
| 5.2.3 模型建立 | 第54-56页 |
| 5.3 实验仿真 | 第56-65页 |
| 5.3.1 数据集介绍 | 第56-57页 |
| 5.3.2 数据探索分析 | 第57页 |
| 5.3.3 数据预处理 | 第57-58页 |
| 5.3.4 实验结果与分析 | 第58-63页 |
| 5.3.5 准确率对比 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A（攻读学位其间发表论文目录） | 第75-76页 |
| 附录B (攻读学位其间所做项目) | 第76页 |
