| 第一章 绪论 | 第1-18页 |
| 1．1 数据挖掘的产生及发展状况 | 第8-9页 |
| 1．2 数据挖掘与几个术语的区别 | 第9-11页 |
| 1．3 数据仓库 | 第11-14页 |
| 1．4 数据挖掘和 CRM的结合 | 第14-16页 |
| 1．5 课题的来源及研究内容 | 第16-17页 |
| 1．6 论文结构 | 第17-18页 |
| 第二章 数据挖掘 | 第18-23页 |
| 2．1 数据挖掘的数据准备 | 第18-19页 |
| 2．2 数据挖掘的方法和相关模型 | 第19-20页 |
| 2．3 数据挖掘的步骤 | 第20页 |
| 2．4 进行数据挖掘应该注意的问题 | 第20-21页 |
| 2．5 数据挖掘的典型应用领域 | 第21-22页 |
| 本章小结 | 第22-23页 |
| 第三章 客户关系管理(CRM) | 第23-35页 |
| 3．1 CRM及其发展状况 | 第23-25页 |
| 3．2 区分操作型、分析型和协作型 CRM应用系统 | 第25-28页 |
| 3．2．1 操作型 CRM应用 | 第26-27页 |
| 3．2．2 分析型 CRM应用 | 第27页 |
| 3．2．3 协作型 CRM应用 | 第27-28页 |
| 3．3 CRM应用效益与企业大小的相关性分析 | 第28-31页 |
| 3．4 零售业 CRM中的数据挖掘 | 第31-32页 |
| 3．5 客户价值细分 | 第32-34页 |
| 本章小结 | 第34-35页 |
| 第四章 聚类分析 | 第35-60页 |
| 4．1 聚类概述 | 第35-44页 |
| 4．1．1 什么是聚类分析 | 第35-36页 |
| 4．1．2 聚类分析中的基础知识 | 第36-39页 |
| 4．1．3 主要聚类方法的分类 | 第39-41页 |
| 4．1．4 数据挖掘领域中常用的聚类算法 | 第41-44页 |
| 4．2 K-中心点算法 | 第44-47页 |
| 4．2．1 算法的基本思想 | 第44页 |
| 4．2．2 算法的详细论述 | 第44-46页 |
| 4．2．3 算法的处理流程 | 第46页 |
| 4．2．4 采用的相异度或距离函数的说明 | 第46页 |
| 4．2．5 算法的复杂度分析 | 第46-47页 |
| 4．3 K-中心点算法的 DELPHI实现 | 第47-54页 |
| 4．4 聚类中心点初值生成方法 | 第54页 |
| 4．5 中心点算法举例 | 第54-57页 |
| 4．6 K-中心点算法聚类总结 | 第57-59页 |
| 本章小结 | 第59-60页 |
| 第五章 采用凝聚分层算法提高聚类质量 | 第60-65页 |
| 5．1 凝聚分层算法概述 | 第60页 |
| 5．2 凝聚算法选择中心点及实现 | 第60-64页 |
| 本章小结 | 第64-65页 |
| 结论 | 第65-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表的学术论文目录 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75-78页 |