| 第1章 绪论 | 第1-29页 |
| 1．1 论文写作的背景、目的及意义 | 第11-17页 |
| 1．1．1 论文写作的背景 | 第11-15页 |
| 1．1．2 论文写作的目的和意义 | 第15-17页 |
| 1．2 国内外研究现状及发展趋势 | 第17-27页 |
| 1．2．1 数据挖掘的研究历史和现状 | 第17-22页 |
| 1．2．2 聚类分析的研究现状 | 第22-23页 |
| 1．2．3 CRM的研究现状 | 第23-26页 |
| 1．2．4 数据挖掘在CRM中的应用现状 | 第26-27页 |
| 1．3 论文的总体结构与创新之处 | 第27-29页 |
| 1．3．1 论文的总体结构 | 第27-28页 |
| 1．3．2 论文的创新之处 | 第28-29页 |
| 第2章 相关理论综述 | 第29-71页 |
| 2．1 CRM相关理论 | 第29-47页 |
| 2．1．1 客户关系管理定义 | 第29-32页 |
| 2．1．2 实施客户关系管理的战略意义 | 第32-38页 |
| 2．1．3 企业选型CRM | 第38-40页 |
| 2．1．4 合理的制定CRM规划 | 第40-43页 |
| 2．1．5 客户关系管理应用系统的技术支持 | 第43-45页 |
| 2．1．6 客户关系管理应用系统中的数据挖掘 | 第45-47页 |
| 2．2 数据挖掘理论 | 第47-53页 |
| 2．2．1 数据挖掘的定义 | 第47-48页 |
| 2．2．2 数据挖掘的研究内容和本质 | 第48-50页 |
| 2．2．3 数据挖掘的分类 | 第50-51页 |
| 2．2．4 数据挖掘的流程 | 第51-53页 |
| 2．3 聚类分析理论 | 第53-64页 |
| 2．3．1 数据变换 | 第54-55页 |
| 2．3．2 距离和相似系数 | 第55-58页 |
| 2．3．3 系统聚类算法 | 第58-62页 |
| 2．3．4 模糊聚类分析 | 第62-64页 |
| 2．4 聚类数据挖掘 | 第64-70页 |
| 2．4．1 数据结构 | 第64-65页 |
| 2．4．2 数据属性及对象差异度计算 | 第65-67页 |
| 2．4．3 聚类数据挖掘的主要算法 | 第67-68页 |
| 2．4．4 数据挖掘对聚类的要求 | 第68-70页 |
| 2．5 本章小结 | 第70-71页 |
| 第3章 高维空间稀疏数据聚类算法 | 第71-85页 |
| 3．1 高维空间稀疏数据聚类问题描述 | 第71页 |
| 3．2 维数消减 | 第71-73页 |
| 3．3 稀疏特征聚类方法 | 第73-78页 |
| 3．3．1 稀疏特征聚类的概念基础 | 第73-75页 |
| 3．3．2 差异度计算方法 | 第75-78页 |
| 3．4 高维空间稀疏数据聚类的CABOSFV算法 | 第78-79页 |
| 3．5 改进的高维空间稀疏数据聚类的CABOSFV算法 | 第79-84页 |
| 3．5．1 数据转换 | 第79-81页 |
| 3．5．2 确定集合差异度阈值 | 第81-84页 |
| 3．6 本章小结 | 第84-85页 |
| 第4章 高维稀疏大数据集的聚类 | 第85-101页 |
| 4．1 数据消减策略 | 第85-93页 |
| 4．1．1 数据压缩 | 第85-88页 |
| 4．1．2 数据块消减 | 第88-93页 |
| 4．2 高维空间稀疏聚类的表示 | 第93-98页 |
| 4．2．1 聚类结果的一般表示方法 | 第93-94页 |
| 4．2．2 偏序关系与确界 | 第94-96页 |
| 4．2．3 高属性维稀疏类的确界表示 | 第96-98页 |
| 4．3 非样本对象的分配 | 第98-100页 |
| 4．3．1 高属性维稀疏聚类问题非样本对象分配策略 | 第98-99页 |
| 4．3．2 非样本对象分配示例 | 第99-100页 |
| 4．4 本章小结 | 第100-101页 |
| 第5章 异常数据分析 | 第101-109页 |
| 5．1 异常数据问题的提出 | 第101-102页 |
| 5．2 异常数据检测方法 | 第102-107页 |
| 5．2．1 基于统计的异常检测方法 | 第102-104页 |
| 5．2．2 基于距离的异常检测方法 | 第104-105页 |
| 5．2．3 基于偏差的异常检测方法 | 第105-107页 |
| 5．3 异常数据的挖掘过程 | 第107-108页 |
| 5．4 本章小结 | 第108-109页 |
| 第6章 基于聚类的数据挖掘在CRM中的应用 | 第109-120页 |
| 6．1 数据挖掘的系统结构 | 第110-111页 |
| 6．2 CRM应用系统中的聚类对象 | 第111-114页 |
| 6．2．1 客户行为分析 | 第111-113页 |
| 6．2．2 重点客户发现 | 第113页 |
| 6．2．3 性能评估 | 第113-114页 |
| 6．3 CRM应用系统中的聚类过程 | 第114-119页 |
| 6．3．1 聚类过程 | 第114-115页 |
| 6．3．2 基于客户购买能力的聚类过程的数据转换 | 第115-118页 |
| 6．3．3 基于客户购买能力的聚类 | 第118-119页 |
| 6．4 本章小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-131页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第131-132页 |
| 致谢 | 第132页 |