基于统计的分类算法及其在潜在客户识别中的应用研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第11-16页 |
| ·潜在客户识别概述 | 第11-12页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·研究任务 | 第12页 |
| ·数据挖掘 | 第12-13页 |
| ·国内外研究现状 | 第13页 |
| ·研究内容 | 第13-15页 |
| 小结 | 第15-16页 |
| 第2章 常用分类算法研究 | 第16-28页 |
| ·基本术语 | 第16页 |
| ·分类过程及评测标准 | 第16-18页 |
| ·分类过程 | 第16-17页 |
| ·模型的评测标准 | 第17-18页 |
| ·判定树算法研究 | 第18-22页 |
| ·判定树相关概念简介 | 第18-20页 |
| ·判定树算法在潜在客户识别中的应用 | 第20-22页 |
| ·粗糙集算法 | 第22-27页 |
| ·粗糙集算法相关概念简介 | 第22-25页 |
| ·粗糙集算法在潜在客户识别中的应用研究 | 第25-27页 |
| 小结 | 第27-28页 |
| 第3章 基于统计的分类算法及应用 | 第28-35页 |
| ·引言 | 第28页 |
| ·基于统计的评分模型 | 第28-30页 |
| ·相关的学科知识 | 第28-30页 |
| ·基本术语 | 第28页 |
| ·统计原理及评分思想 | 第28-30页 |
| ·模型的构建思想 | 第30页 |
| ·基于统计的评分模型 | 第30-31页 |
| ·可行性分析 | 第31-32页 |
| ·算法综述 | 第32-33页 |
| ·实验结果和分析 | 第33页 |
| ·缺陷分析 | 第33-34页 |
| 小结 | 第34-35页 |
| 第4章 基于统计的分类算法改进 | 第35-54页 |
| ·基于统计的确定性因子算法 | 第35-38页 |
| ·引言 | 第35页 |
| ·基于统计的确定性因子算法 | 第35-37页 |
| ·实验结果和分析 | 第37-38页 |
| ·小结 | 第38页 |
| ·基于推理和反馈的属性选择算法 | 第38-45页 |
| ·引言 | 第38-39页 |
| ·相关工作 | 第39-41页 |
| ·基于推理的两层属性选择算法 | 第41-43页 |
| ·基于相关度量的属性选择 | 第41-42页 |
| ·基于反馈原理的属性选择 | 第42-43页 |
| ·算法综述 | 第43-44页 |
| ·实验结果和分析 | 第44-45页 |
| ·小结 | 第45页 |
| ·反映条件属性综合要素的统计评分模型 | 第45-49页 |
| ·引言 | 第45-46页 |
| ·相关工作 | 第46页 |
| ·反映条件属性综合要素的统计得分模型 | 第46-47页 |
| ·算法综述 | 第47-48页 |
| ·实验结果和分析 | 第48-49页 |
| ·小结 | 第49页 |
| ·带权的属性相关度量算法 | 第49-53页 |
| ·引言 | 第49页 |
| ·带权的属性相关度量 | 第49-50页 |
| ·算法综述 | 第50-52页 |
| ·实验结果和分析 | 第52-53页 |
| ·小结 | 第53页 |
| 小结 | 第53-54页 |
| 第5章 基于统计的得分系统的实现 | 第54-64页 |
| ·系统的设计 | 第54页 |
| ·关键问题的处理 | 第54-56页 |
| ·数据选择 | 第54-55页 |
| ·特征提取 | 第55-56页 |
| ·相关属性选择 | 第56页 |
| ·系统的实现 | 第56-63页 |
| ·实验环境 | 第56页 |
| ·数据设计 | 第56页 |
| ·实验原始材料 | 第56-57页 |
| ·主要功能实现 | 第57-61页 |
| ·属性选择模块的建立 | 第57-59页 |
| ·客户特征的提取模块的建立 | 第59页 |
| ·潜在客户选择模块的建立 | 第59-61页 |
| ·主要功能测试 | 第61-63页 |
| ·属性选择模块的测试 | 第61-62页 |
| ·客户特征的提取模块的测试 | 第62页 |
| ·潜在客户选择模块的测试 | 第62-63页 |
| 小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-71页 |
| 附录A 攻读学位期间完成的论文 | 第71-72页 |
