基于银行CRM系统数据挖掘的用户分析与应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究意义 | 第12-13页 |
| 1.2 国内研究现状分析 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文研究方向和结构 | 第15-18页 |
| 第2章 相关技术 | 第18-26页 |
| 2.1 数据挖掘的概念 | 第18-20页 |
| 2.2 神经网络模型 | 第20-23页 |
| 2.2.1 神经网络基本构成 | 第20-21页 |
| 2.2.2 常见神经网络的拓扑结构 | 第21-23页 |
| 2.3 遗传算法概述 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 神经算法在客户管理系统中的应用 | 第26-34页 |
| 3.1 神经网络基本原理及理论体系 | 第26-31页 |
| 3.1.1 感知器的学习体系 | 第26-28页 |
| 3.1.2 反向传播（BP）算法 | 第28-31页 |
| 3.2 BP神经网络信用风险评定结构 | 第31-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 客户信用贷款评估模型的设计 | 第34-53页 |
| 4.1 数据处理 | 第34-47页 |
| 4.1.1 数据清理 | 第34页 |
| 4.1.2 数据集成 | 第34-35页 |
| 4.1.3 数据变换 | 第35-36页 |
| 4.1.4 数据约束 | 第36-38页 |
| 4.1.5 数据分析 | 第38-47页 |
| 4.2 遗传神经模型设计 | 第47-52页 |
| 4.2.1 神经网路的不足 | 第47页 |
| 4.2.2 遗传神经网络融合 | 第47-49页 |
| 4.2.3 算法关键技术 | 第49-51页 |
| 4.2.4 GA-BP算法设计 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 客户信用贷款评估模型的实现 | 第53-65页 |
| 5.1 基于遗传算法BP神经网络的实现 | 第53-59页 |
| 5.1.1 客户信用贷款模型 | 第53-54页 |
| 5.1.2 BP网络模型 | 第54页 |
| 5.1.3 遗传算法实现 | 第54-58页 |
| 5.1.4 MATLAB实现相关代码 | 第58-59页 |
| 5.2 模型仿真实验及评价 | 第59-63页 |
| 5.3 评估算法实现 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
