基于支持向量机的零售企业客户消费行为分析与研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究背景 | 第8-15页 |
| ·CRM研究深化的理论背景 | 第8-11页 |
| ·攻关项目的实际应用背景 | 第11-15页 |
| ·本文主要工作及创新点 | 第15-16页 |
| ·本文的结构 | 第16-18页 |
| 第二章 零售业客户消费行为分析 | 第18-29页 |
| ·经典消费行为理论 | 第18-20页 |
| ·零售业客户消费行为概述 | 第20-25页 |
| ·零售业现状分析 | 第20-22页 |
| ·客户消费行为的内涵 | 第22-25页 |
| ·客户分类研究 | 第25-26页 |
| ·网上在线消费行为分析 | 第26-29页 |
| 第三章 客户消费行为分析中的数据挖掘技术 | 第29-48页 |
| ·数据挖掘理论 | 第29-32页 |
| ·数据挖掘的过程 | 第29-31页 |
| ·数据挖掘的功能 | 第31-32页 |
| ·在客户消费行为分析中的数据挖掘技术 | 第32-34页 |
| ·支持向量机理论 | 第34-48页 |
| ·统计学原理 | 第34-37页 |
| ·支持向量机 | 第37-46页 |
| ·核函数研究 | 第46-47页 |
| ·SVM算法的优势 | 第47-48页 |
| 第四章 基于 SVM的客户消费行为分析模型 | 第48-58页 |
| ·DCSS模型的构建 | 第48-51页 |
| ·多类分类问题描述 | 第51-53页 |
| ·序贯最小优化(SMO)算法 | 第53-58页 |
| ·算法的提出 | 第53-54页 |
| ·算法的原理和框架 | 第54-55页 |
| ·改进算法的描述和分析 | 第55-58页 |
| 第五章 算法在零售业的具体实现和应用 | 第58-65页 |
| ·大型零售企业客户数据分析 | 第59-60页 |
| ·消费者客户分类实例分析 | 第60-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 附录1 攻读硕士论文期间发表的主要相关论著 | 第73-74页 |
| 附录2 文章中使用的符号和数学基础 | 第74-79页 |
| 附录3 SMO算法伪码描述 | 第79-82页 |
| 致谢 | 第82-83页 |
