| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| §1-1 研究背景和意义 | 第9-10页 |
| §1-2 研究内容和创新点 | 第10页 |
| 1-2-1 主要研究内容 | 第10页 |
| 1-2-2 创新点 | 第10页 |
| §1-3 论文结构 | 第10-12页 |
| 第二章 电信业客户流失预测和关联规则挖掘算法综述 | 第12-21页 |
| §2-1 电信业客户流失预测 | 第12-13页 |
| §2-2 关联规则挖掘算法分析 | 第13-20页 |
| 2-2-1 关联规则算法概析 | 第14-16页 |
| 2-2-2 多维关联规则挖掘算法分析 | 第16-18页 |
| 2-2-3 关联规则价值衡量 | 第18-20页 |
| §2-3 本章小结 | 第20-21页 |
| 第三章 现有多维关联规则挖掘算法分析 | 第21-26页 |
| §3-1 现有多维关联规则挖掘算法 | 第21-24页 |
| 3-1-1 数值属性区间划分 | 第21-23页 |
| 3-1-2 搜索频繁谓词集 | 第23-24页 |
| 3-1-3 生成强关联规则 | 第24页 |
| §3-2 现有多维关联规则挖掘算法优缺点分析 | 第24-25页 |
| 3-2-1 现有多维关联规则挖掘算法优点 | 第24页 |
| 3-2-2 现有多维关联规则挖掘算法存在问题 | 第24-25页 |
| §3-3 本章小结 | 第25-26页 |
| 第四章 多维关联规则挖掘算法改进 | 第26-36页 |
| §4-1 客户流失预测问题分析 | 第26-27页 |
| 4-1-1 客户价值分析 | 第26页 |
| 4-1-2 属性约减分析 | 第26页 |
| 4-1-3 加权算法分析 | 第26-27页 |
| §4-2 算法改进依据 | 第27-31页 |
| 4-2-1 客户价值模型 | 第27-28页 |
| 4-2-2 基于粗集的属性约减 | 第28-30页 |
| 4-2-3 基于概率的加权关联规则 | 第30-31页 |
| §4-3 改进的多维关联规则挖掘算法 | 第31-32页 |
| §4-4 改进算法的实现 | 第32-35页 |
| 4-4-1 属性约减算法 | 第32-34页 |
| 4-4-2 基于概率的加权多维关联规则挖掘算法 | 第34-35页 |
| §4-5 本章小结 | 第35-36页 |
| 第五章 改进算法在电信客户流失预测中的应用 | 第36-49页 |
| §5-1 源数据选取 | 第36-37页 |
| §5-2 实验设计 | 第37-39页 |
| 5-2-1 实验数据集的选取 | 第37-38页 |
| 5-2-2 实验环境 | 第38页 |
| 5-2-3 度量标准 | 第38-39页 |
| 5-2-4 实验方案 | 第39页 |
| §5-3 仿真运行 | 第39-45页 |
| 5-3-1 数据预处理 | 第40-43页 |
| 5-3-2 属性约减 | 第43页 |
| 5-3-3 建立模型 | 第43-45页 |
| 5-3-4 结果优化 | 第45页 |
| §5-4 实验分析 | 第45-48页 |
| 5-４-1 属性约减对关联规则挖掘算法预测效率的影响 | 第45-46页 |
| 5-４-2 加权关联规则对流失预测效果的影响 | 第46-48页 |
| §5-5 本章小结 | 第48-49页 |
| 第六章 结论和展望 | 第49-51页 |
| §6-1 结论 | 第49页 |
| §6-2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间所取得的相关科研成果 | 第55页 |