| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-10页 |
| ·港口客户细分研究意义 | 第10-12页 |
| ·本文的研究内容 | 第12-13页 |
| 2 相关研究综述 | 第13-26页 |
| ·客户细分综述 | 第13-17页 |
| ·客户细分概述 | 第13-16页 |
| ·聚类分析等数据挖掘方法在客户细分中的应用 | 第16页 |
| ·港口客户细分研究现状 | 第16-17页 |
| ·核函数的基本知识 | 第17-23页 |
| ·基础知识 | 第17-20页 |
| ·再生核理论与Mercer定理 | 第20-22页 |
| ·核函数构造基础 | 第22-23页 |
| ·核聚类算法综述 | 第23-24页 |
| ·多示例学习 | 第24-26页 |
| ·多示例学习数据处理概述 | 第24-25页 |
| ·多示例学习(MIL)相关算法 | 第25-26页 |
| 3 港口客户数据预处理 | 第26-33页 |
| ·港口数据库 | 第26-28页 |
| ·数据预处理 | 第28-31页 |
| ·港口客户数据包数据组织方式 | 第31-33页 |
| 4 多示例核聚类 | 第33-41页 |
| ·三层多示例核函数 | 第33-35页 |
| ·距离的度量 | 第35-36页 |
| ·包之间距离的度量 | 第35-36页 |
| ·示例之间距离的度量 | 第36页 |
| ·多示例核凝聚聚类算法 | 第36-38页 |
| ·核聚类算法在多示例问题中的表现 | 第38-40页 |
| ·模糊核聚类算法(FKCM)在musk数据集上的表现 | 第38页 |
| ·核凝聚聚类算法在musk数据集上的表现 | 第38-40页 |
| ·小节 | 第40页 |
| ·本章小节 | 第40-41页 |
| 5 港口客户细分 | 第41-51页 |
| ·引言 | 第41-42页 |
| ·数据分析 | 第42-48页 |
| ·数据整体描述 | 第42-45页 |
| ·多示例核凝聚聚类算法的应用 | 第45页 |
| ·确定细分市场数 | 第45-46页 |
| ·聚类分析结果 | 第46-48页 |
| ·管理启示 | 第48-50页 |
| ·本章小节 | 第50-51页 |
| 6 论文总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |