| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 数据挖掘技术研究现状 | 第9-10页 |
| 1.2.2 客户关系管理研究现状 | 第10-11页 |
| 1.2.3 数据挖掘在CRM中应用的研究现状 | 第11页 |
| 1.3 研究的内容 | 第11-12页 |
| 1.4 论文结构 | 第12-14页 |
| 第2章 相关理论 | 第14-18页 |
| 2.1 数据挖掘原理 | 第14页 |
| 2.2 数据挖掘功能 | 第14-15页 |
| 2.3 数据挖掘算法 | 第15-17页 |
| 2.4 数据挖掘理论在CRM中的研究 | 第17页 |
| 2.5 本章小节 | 第17-18页 |
| 第3章客户流失预测模型 | 第18-29页 |
| 3.1 基于决策树的数据分类 | 第18-19页 |
| 3.2 基于GSO算法的欠采样 | 第19-24页 |
| 3.2.1 萤火虫群算法 | 第19-22页 |
| 3.2.2 GSO欠采样分类器 | 第22-23页 |
| 3.2.3 改进的客户流失预测模型 | 第23-24页 |
| 3.3 实验分析 | 第24-28页 |
| 3.3.1 数据采集 | 第24-26页 |
| 3.3.2 数据处理与结果分析 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 改进的客户满意度模型 | 第29-40页 |
| 4.1 客户满意度模型 | 第29-32页 |
| 4.1.1 EFQM模型 | 第29-30页 |
| 4.1.2 ECSI模型 | 第30页 |
| 4.1.3 改进的客户满意度模型 | 第30-32页 |
| 4.2 实验分析 | 第32-39页 |
| 4.2.1 实验数据集 | 第32-35页 |
| 4.2.2 实验方法介绍 | 第35-38页 |
| 4.2.3 实验结果分析 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 基于MapReduce编程模型的并行化算法研究 | 第40-53页 |
| 5.1 MapReduce编程模型简介 | 第40-43页 |
| 5.1.1 Hadoop分布式计算平台 | 第40-42页 |
| 5.1.2 云平台核心模块介绍 | 第42-43页 |
| 5.2 客户流失预测模型、客户满意度模型并行化设计 | 第43-51页 |
| 5.2.1 客户流失预测模型并行化设计 | 第43-47页 |
| 5.2.2 客户满意度模型并行化设计 | 第47-51页 |
| 5.3 实验与分析 | 第51-52页 |
| 5.3.1 实验环境和数据集 | 第51页 |
| 5.3.2 实验结果分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |