文摘
英文文摘
声明
第一章前言
1.1问题提出
1.2数据挖掘概述
1.2.1数据挖掘过程
1.2.2数据挖掘方法分类
1.2.3数据挖掘的主要研究问题
1.3数据挖掘与其它相关技术
1.3.1数据挖掘与OLAP
1.3.2数据挖掘与数据仓库
1.4数据挖掘在电信业中的应用
1.4.1客户行为分析
1.4.2客户信用度分析
1.4.3交叉销售分析
1.4.4市场竞争分析
1.4.5客户流失分析
1.5本文研究的问题及组织结构
1.5.1研究的问题
1.5.2本文的贡献
1.5.3本文的结构组织
第二章聚类分析算法概述
2.1聚类分析的基本概念
2.1.1聚类的定义
2.1.2数据挖掘对聚类分析算法的典型要求
2.1.3相似性度量方法
2.2典型聚类算法及其研究进展评述
2.2.1划分聚类方法
2.2.2层次聚类方法
2.2.3基于密度的聚类方法
2.2.4基于网格的聚类方法
2.2.5基于模型的聚类方法
2.2.6聚类算法小结
2.3本章小结
第三章基于空间单元密度的聚类算法SUDBC
3.1问题提出
3.2相关概念
3.3数据存储结构
3.4 SUDBC算法
3.4.1数据预处理
3.4.2聚类过程
3.4.3参数的确定
3.4.4算法的复杂度分析
3.5 SUDBC算法的扩展
3.5.1对增量的数据处理
3.5.2数据流上的聚类
3.6性能测试与分析
3.6.1测试平台与测试方案
3.6.2测试结果与分析
3.7本章小结
第四章基于密度单元的自扩展聚类算法SECDU和SECDUF
4.1问题提出
4.2聚类质量评估
4.2.1相关概念
4.2.2基于引力概念的评估算法
4.3基本概念
4.4 SECDU算法
4.4.1聚类过程
4.4.2参数选择
4.4.3 SECDU算法举例
4.5 SECDUF算法
4.5.1基本爬山算法
4.5.2改进的爬山算法
4.5.3 SECDUF算法
4.6性能测试与分析
4.6.1测试平台与测试方案
4.6.2聚类及评估性能分析
4.6.3聚类质量测试
4.6.4聚类速度比较
4.6.5 SECDU和SECDUF的效率比较
4.6.6对具有层次分布特性数据集的聚类
4.6.7实验结论
4.7本章小结
第五章聚类算法及基于CUBE压缩的OLAP技术在电信数据中的应用
5.1项目背景
5.2聚类算法在电信数据中的应用
5.2.1系统的运行环境
5.2.2电信业客户特征的数据模型
5.2.3聚类分析
5.2.4聚类分析的进一步改进
5.3 OLAP在电信数据中的应用
5.3.1电信联机分析处理系统的架构设计
5.3.2电信联机分析处理系统的功能设计
5.3.3多维CUBE建模
5.3.4多维CUBE压缩存储
5.3.5多维CUBE查询算法
5.3.6 OLAP前端多维分析展示
5.4本章小结
第六章结束语
6.1本文的主要贡献与结论
6.2进一步的工作
参考文献
致 谢
攻读博士学位期间发表的论文
作者简介