首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

聚类集成算法在客户细分中的研究及应用

摘要第3-5页
Abstract第5-6页
第一章 绪论第10-14页
    1.1 选题背景及意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 本文研究内容及结构安排第12-14页
        1.3.1 研究内容第12-13页
        1.3.2 本文结构安排第13-14页
第二章 客户细分第14-20页
    2.1 客户细分概述第14-16页
        2.1.1 客户细分的概念及属性指标第14-15页
        2.1.2 客户细分的现实意义第15-16页
    2.2 常见客户细分技术第16-17页
        2.2.1 基于人口统计的客户细分第16-17页
        2.2.2 基于行为的客户细分第17页
        2.2.3 基于价值的客户细分第17页
    2.3 数据挖掘技术应用于客户细分第17-19页
        2.3.1 数据挖掘简介第17-18页
        2.3.2 用于客户细分的常见挖掘技术第18-19页
    2.4 小结第19-20页
第三章 聚类分析及聚类集成算法第20-31页
    3.1 传统聚类分析第20-25页
        3.1.1 聚类分析的基本概念与结构定义第20-21页
        3.1.2 聚类中的数据类型第21页
        3.1.3 相似性与相异性度量第21-24页
        3.1.4 主要的几类聚类算法第24-25页
    3.2 聚类集成分析第25-30页
        3.2.1 聚类集成理论概述第25-27页
        3.2.2 基聚类结果集的产生第27-28页
        3.2.3 共识函数的设计第28-30页
    3.3 小结第30-31页
第四章 改进的K-means算法及聚类集成第31-54页
    4.1 传统K-means算法第31-35页
        4.1.1 K-means算法的基本原理第31-32页
        4.1.2 K-means算法结构描述第32-33页
        4.1.3 K-means算法性能的优缺点第33-34页
        4.1.4 K-means算法的改进第34-35页
    4.2 基于密度优化的SDK-means算法第35-40页
        4.2.1 SDK-means算法的提出第35-36页
        4.2.2 基本概念以及相关定义第36-37页
        4.2.3 SDK-means算法的详细流程第37-40页
    4.3 实验结果及分析第40-43页
        4.3.1 实验数据第40页
        4.3.2 实验结果对比第40-43页
    4.4 基于选择性的聚类集成算法第43-50页
        4.4.1 算法基本思想第43-44页
        4.4.2 基聚类结果集的生成第44-46页
        4.4.3 基于差异性度量选择基聚类器第46-48页
        4.4.4 聚类集成第48-50页
    4.5 聚类集成算法实验及结果分析第50-53页
        4.5.1 实验数据第50页
        4.5.2 结果对比第50-53页
    4.6 小结第53-54页
第五章 聚类集成算法在移动客户细分中的应用第54-66页
    5.1 应用背景第54页
    5.2 数据采集与理解第54-57页
        5.2.1 数据来源第54-55页
        5.2.2 属性选取第55-57页
    5.3 数据预处理第57-58页
        5.3.1 数据清洗第57-58页
        5.3.2 数据转换第58页
    5.4 建立模型及聚类集成算法的实际应用第58-62页
        5.4.1 基于客户行为与价值属性细分模型的建立第58-59页
        5.4.2 聚类集成算法应用于移动客户细分第59-62页
    5.5 细分结果分析第62-65页
        5.5.1 实验结果与分析第62-65页
        5.5.2 营销策略与方式第65页
    5.6 小结第65-66页
第六章 总结和展望第66-68页
    6.1 论文总结第66页
    6.2 展望第66-68页
参考文献第68-73页
附录第73-74页
    附录A 图索引第73页
    附录B 表索引第73-74页
Appendix第74-75页
    Appendix A Figure Index第74页
    Appendix B Table Index第74-75页
致谢第75-76页
攻读硕士学位期间取得的成果第76页

论文共76页,点击 下载论文
上一篇:云环境下关键词排序搜索的隐私保护研究
下一篇:基于KINECT的三维照相馆研究