| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外 PRCRM 研究现状及分析 | 第9-12页 |
| 1.2.1 国内铁路客运客户关系管理发展现状 | 第9页 |
| 1.2.2 国内铁路客运客户关系管理的研究现状 | 第9-11页 |
| 1.2.3 国外铁路客运客户关系管理发展现状 | 第11-12页 |
| 1.3 本文的研究内容和技术路线 | 第12-14页 |
| 2 数据挖掘和客户关系管理相关理论 | 第14-21页 |
| 2.1 数据挖掘理论综述 | 第14-19页 |
| 2.1.1 数据挖掘的概念 | 第14页 |
| 2.1.2 数据挖掘的功能 | 第14-15页 |
| 2.1.3 数据挖掘的过程 | 第15-17页 |
| 2.1.4 数据挖掘算法的选择 | 第17-19页 |
| 2.1.5 本文选取的数据挖掘工具 | 第19页 |
| 2.2 客户关系管理相关理论综述 | 第19-20页 |
| 2.2.1 客户关系管理概念 | 第19-20页 |
| 2.3 铁路客运客户关系管理的概念 | 第20页 |
| 2.3.1 铁路客户关系管理的作用 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 铁路客运客户关系管理体系的构建 | 第21-30页 |
| 3.1 铁路客运客户关系管理系统 | 第21-25页 |
| 3.1.1 铁路客运客户关系管理系统的体系结构 | 第21-22页 |
| 3.1.2 铁路客运客户关系管理系统的功能 | 第22-25页 |
| 3.2 数据挖掘在铁路客运客户关系管理中的应用 | 第25-28页 |
| 3.3 数据挖掘在 RPCRM 中应用的流程图 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 决策树算法在客户分类中的应用 | 第30-47页 |
| 4.1 旅客信息数据准备 | 第30-35页 |
| 4.1.1 数据采集 | 第30-31页 |
| 4.1.2 数据处理 | 第31-33页 |
| 4.1.3 数据转换 | 第33-35页 |
| 4.2 决策树方法 | 第35-41页 |
| 4.2.1 特征选择 | 第35-39页 |
| 4.2.2 决策树的生成 | 第39-41页 |
| 4.2.3 决策树的剪枝 | 第41页 |
| 4.3 建模 | 第41-42页 |
| 4.4 决策树结果分析 | 第42-46页 |
| 4.4.1 分类模型规则及模型对铁路客运客户关系管理的意义 | 第42-45页 |
| 4.4.2 预测结果 | 第45页 |
| 4.4.3 分类结果评估 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 K-Means 聚类方法在旅客服务调整中的应用 | 第47-55页 |
| 5.1 顾客满意度概念 | 第47-48页 |
| 5.1.1 顾客满意度分类 | 第47-48页 |
| 5.1.2 满意级度的划分 | 第48页 |
| 5.2 旅客满意度调查 | 第48-49页 |
| 5.3 K-Means 聚类方法在旅客满意度的应用 | 第49-54页 |
| 5.3.1 K-Means 聚类介绍 | 第49-50页 |
| 5.3.2 数据整理 | 第50页 |
| 5.3.3 建模及结果分析 | 第50-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 研究展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录A 铁路客运客户关系管理调查表 | 第60-62页 |
| 攻读学位期间的研究成果 | 第62页 |
