| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·CRM的研究现状 | 第13-15页 |
| ·数据挖掘在CRM中的应用现状 | 第15页 |
| ·数据挖掘聚类分析的研究现状 | 第15-16页 |
| ·本文的主要研究工作 | 第16-17页 |
| ·本文的内容安排 | 第17-18页 |
| 第2章 CRM与聚类技术研究 | 第18-32页 |
| ·CRM概述 | 第18-22页 |
| ·客户关系管理的概念 | 第18-19页 |
| ·客户关系管理的分类 | 第19-21页 |
| ·客户关系管理与数据挖掘功能映射 | 第21-22页 |
| ·聚类技术概述 | 第22-31页 |
| ·聚类分析概念 | 第23-24页 |
| ·对聚类分析算法的典型要求 | 第24-25页 |
| ·聚类分析中的数据类型 | 第25-27页 |
| ·主要的聚类算法 | 第27-29页 |
| ·聚类算法的比较 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于初始聚类中心的优化K-MEANS聚类算法 | 第32-44页 |
| ·K-means聚类算法基本思想 | 第32页 |
| ·K-means聚类算法的流程 | 第32-34页 |
| ·K-means算法的特点 | 第34-35页 |
| ·K-means算法的改进 | 第35-42页 |
| ·度量函数的选择 | 第35-36页 |
| ·聚类数目的确定 | 第36-38页 |
| ·初始聚类中心的选择 | 第38-40页 |
| ·改进K-means算法的流程 | 第40-41页 |
| ·实验仿真 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 改进的K-MEANS算法在客户关系管理的应用 | 第44-52页 |
| ·客户关系管理中的客户细分 | 第44页 |
| ·客户细分方法 | 第44-47页 |
| ·基于人口统计学的细分 | 第45页 |
| ·基于客户行为的细分 | 第45-47页 |
| ·客户细分的步骤 | 第47-48页 |
| ·改进K-means算法在客户细分中的应用 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读学位期间所发表的学术论文 | 第58页 |