摘要
ABSTRACT
第一章 绪论 1.1 数据挖掘技术 1.2 国内外客户细分研究状况及分析 1.3 论文选题背景及意义 1.4 研究内容
第二章 数据挖掘技术 2.1 概述 2.2 挖掘过程 2.3 聚类分析的种类 2.3.1 划分方法 2.3.2 层次方法 2.3.3 基于密度的方法 2.3.4 基于网格的方法 2.3.5 基于模型的方法 2.4 划分方法的特点 2.5 K-MEANS 局限性 2.6 K-MEDOIDS 局限性 2.7 评价聚类分析能力的标准 2.8 数据仓库理论 2.8.1 概述 2.8.2 三种模型 2.8.3 数据仓库设计步骤 2.9 本章小结
第三章 客户细分 3.1 概念 3.2 细分条件 3.3 常用方法 3.4 本章小结
第四章 构建数据仓库及预处理 4.1 数据挖掘的步骤 4.2 构建数据仓库 4.2.1 选择主题 4.2.2 选择模型 4.3 选择细分属性 4.3.1 客户背景属性 4.3.2 客户状态属性 4.3.3 客户消费行为属性 4.3.4 客户扩展属性 4.4 变量处理与初始值设定 4.4.1 等级变量的处理 4.4.2 选择权重 4.4.3 选择分类数目 4.4.4 选择初始类成员 4.5 数据准备与预处理 4.5.1 数据抽取 4.5.2 数据清洗及转换 4.5.3 数据转换后的校验 4.6 本章小结
第五章 数据挖掘算法设计及在电信客户细分上的实现与验证 5.1 TT-K-MEANS 设计 5.2 TT-K-MEDOIDS 设计 5.3 开发工具及运行环境简介 5.4 系统模块及主要函数 5.5 验证细分模型 5.6 本章小结
第六章 结束语 6.1 论文总结 6.2 下一步工作展望
致谢
参考文献
攻读硕士期间公开发表的论文