声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 蚁群聚类算法研究现状
1.2.2 实体零售客户分类研究现状
1.3 论文的主要内容和组织结构
1.3.1 研究内容
1.3.2 组织结构
第2章 聚类分析技术
2.1 数据挖掘
2.1.1 数据挖掘概念
2.1.2 数据挖掘的过程
2.1.3 数据挖掘的方法
2.1.4 数据挖掘在企业客户管理中的应用
2.2 聚类分析技术
2.2.1 聚类分析定义
2.2.2 聚类分析的数据类型
2.2.3 相似性度量
2.2.3 数据预处理
2.4.4 评价标准及函数
2.2.5 常用的聚类算法
2.3 本章小结
第3章 实体零售客户分类概述
3.1 客户分类
3.1.1 客户分类的概念
3.1.2 客户分类的目的
3.2 实体零售业客户分类
3.2.1 实体零售客户分类的必要性
3.2.2 实体零售企业客户特征
3.3 本章小结
第4章 蚁群聚类算法及其改进
4.1 聚类算法选择分析
4.2 标准蚁群聚类模型分析
4.2.1 基本蚁群聚类模型
4.2.2 标准蚁群聚类算法
4.2.3 蚁群聚类算法存在的不足
4.3 标准蚁群聚类算法的改进
4.3.1 蚁群聚类算法的相关改进
4.3.2 改进算法的流程图
4.3.3 改进蚁群聚类算法的步骤
4.4 实验结果及分析对比
4.4.1 改进蚁群聚类算法实验
4.4.2 改进算法与标准LF算法的对比
4.5 本章小结
第5章 蚁群算法在实体零售客户分类的应用
5.1 客户分类系统设计
5,1.1 系统功能与系统结构
5.1.2 系统程序流程
5.2 应用环境
5.3 数据获取及集成
5.4 数据预处理
5.4.1 数据清洗
5.4.2 特征选择
5.4.3 数据标准化
5.5 客户聚类及结果分析
5.6 客户分类系统操作示例
5.7 本章小结
第6章 总结和展望
6.1 论文工作总结
6.2 展望
参考文献
致谢