基于聚类技术的客户分类系统研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-15页 |
| ·引言 | 第11页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究目标及工作内容 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 2 聚类挖掘技术 | 第15-28页 |
| ·聚类分析技术 | 第16页 |
| ·聚类过程 | 第16-17页 |
| ·数据表示 | 第17页 |
| ·相似度定义 | 第17-19页 |
| ·定义距离的方法 | 第17-18页 |
| ·定义相似度的方法 | 第18-19页 |
| ·聚类算法分类 | 第19-26页 |
| ·划分算法 | 第19-20页 |
| ·层次算法 | 第20-21页 |
| ·基于密度算法 | 第21-22页 |
| ·基于模型算法 | 第22页 |
| ·范畴数据聚类算法 | 第22-23页 |
| ·高维数据聚类算法 | 第23页 |
| ·海量数据聚类算法 | 第23-26页 |
| ·其它聚类算法 | 第26页 |
| ·聚类算法小结 | 第26-28页 |
| 3 面向领域的改进概念聚类算法 | 第28-38页 |
| ·概念聚类算法概述 | 第28-29页 |
| ·符号定义和基本概念 | 第29-32页 |
| ·概念属性特征 | 第29-30页 |
| ·语义距离[45]定义 | 第30-31页 |
| ·聚类判定方法 | 第31-32页 |
| ·聚类中心调整的判决函数 | 第32页 |
| ·相似度定义 | 第32页 |
| ·改进的概念聚类算法 | 第32-35页 |
| ·聚类个数确定算法 | 第33-34页 |
| ·改进的概念聚类算法 | 第34-35页 |
| ·实验分析 | 第35-37页 |
| ·可扩展性 | 第35-36页 |
| ·相似度阈值对聚类数目的影响 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 混合属性的客户分类模型设计 | 第38-49页 |
| ·客户分类概述 | 第38-39页 |
| ·混合属性的客户分类模型 | 第39-45页 |
| ·客户时序数据特征值提取 | 第40-42页 |
| ·连续数值属性的概念化处理 | 第42-43页 |
| ·客户聚类分析 | 第43页 |
| ·聚类结果概念层次生成 | 第43-45页 |
| ·基于RFP 模型的客户价值分析 | 第45-46页 |
| ·实验分析 | 第46-48页 |
| ·概念粒度对聚类数目的影响 | 第46-47页 |
| ·准确性 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 客户分类原型系统的实现 | 第49-63页 |
| ·设计目标和要求 | 第49-50页 |
| ·原型系统总体设计 | 第50-56页 |
| ·系统结构 | 第51页 |
| ·模块化分 | 第51-52页 |
| ·关键技术 | 第52-56页 |
| ·查询分析模块的实现 | 第56-59页 |
| ·即席查询模块的实现 | 第56-57页 |
| ·多维分析模块的实现 | 第57-59页 |
| ·客户分类模块的实现 | 第59-60页 |
| ·任务定义 | 第59-60页 |
| ·数据准备 | 第60页 |
| ·任务执行 | 第60页 |
| ·聚类模型管理模块的实现 | 第60-62页 |
| ·PMML 聚类模型解析 | 第61页 |
| ·聚类结果的可视化 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 6 结束语 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |
