| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目标和意义 | 第11页 |
| 1.3 论文研究内容、方法和创新点 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法 | 第12页 |
| 1.3.3 论文创新点 | 第12-13页 |
| 1.4 论文结构 | 第13-16页 |
| 2 文献综述 | 第16-28页 |
| 2.1 客户价值 | 第16-20页 |
| 2.1.1 客户价值的相关概念 | 第16-17页 |
| 2.1.2 客户价值评价体系研究现状 | 第17-18页 |
| 2.1.3 基于客户价值的客户分类研究现状 | 第18-20页 |
| 2.2 客户分类 | 第20-23页 |
| 2.2.1 客户分类的相关概念 | 第20-21页 |
| 2.2.2 客户分类指标 | 第21页 |
| 2.2.3 客户分类方法 | 第21-23页 |
| 2.3 RBF神经网络 | 第23-27页 |
| 2.3.1 人工神经网络简介 | 第23-24页 |
| 2.3.2 RBF神经网络的相关理论 | 第24-25页 |
| 2.3.3 RBF神经网络算法及优化 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于港口客户价值的客户分类指标构建 | 第28-38页 |
| 3.1 客户分类指标的选取原则 | 第28页 |
| 3.2 港口业务流程分析 | 第28-31页 |
| 3.3 港口客户价值评价指标体系 | 第31-33页 |
| 3.3.1 当前客户价值指标选取分析 | 第32页 |
| 3.3.2 潜在客户价值指标选取分析 | 第32-33页 |
| 3.4 港口客户价值评价指标分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于RBF神经网络的港口客户价值分类模型的构建 | 第38-54页 |
| 4.1 数据采集和处理 | 第38-43页 |
| 4.1.1 数据采集 | 第38-41页 |
| 4.1.2 数据预处理 | 第41-42页 |
| 4.1.3 样本的确定 | 第42-43页 |
| 4.2 RBF神经网络模型的构建 | 第43-45页 |
| 4.2.1 RBF神经网络结构设计 | 第43页 |
| 4.2.2 RBF神经网络算法的确定 | 第43-45页 |
| 4.3 RBF神经网络模型实现 | 第45-52页 |
| 4.3.1 RBF算法程序分析 | 第45-46页 |
| 4.3.2 RBF神经网络模型训练 | 第46-50页 |
| 4.3.3 有效性验证 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 基于RBF神经网络的港口客户分类评价 | 第54-62页 |
| 5.1 港口客户分类评价 | 第54-56页 |
| 5.2 港口客户价值分析 | 第56-59页 |
| 5.2.1 客户类别分析 | 第56-57页 |
| 5.2.2 客户价值指标分析 | 第57-59页 |
| 5.3 改进措施以及建议 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录A | 第66-70页 |
| 附录B | 第70-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-76页 |
| 学位论文数据集 | 第76页 |