文摘
英文文摘
第1章绪论
1.1 CRM介绍
1.1.1 CRM概述
1.1.2 CRM理论
1.2本文的研究意义和主要组织结构
1.2.1研究意义
1.2.2本文主要组织结构
第2章数据挖掘技术
2.1什么是数据挖掘
2.2数据挖掘的功能
2.2.1关联规则挖掘
2.2.2分类和预测
2.2.3聚类分析
2.2.4序列模式挖掘
2.2.5异常检测
2.3数据挖掘的步骤
2.3.1数据清理
2.3.2数据集成
2.3.3数据选择
2.3.4数据变换
2.3.5模式评估
2.3.6知识表现
2.4数据挖掘的常用技术
2.4.1机器学习方法
2.4.2统计方法
2.4.3神经网络方法
2.4.4数据库方法
2.5数据挖掘的主要应用
2.5.1电信行业
2.5.2金融行业
2.5.3零售业
2.5.4工程与科学研究
2.5.5产品制造业
2.5.6司法部门
2.6数据挖掘的常用工具
2.6.1通用工具类
2.6.2综合工具类
2.6.3面向特定应用工具类
2.7数据挖掘的发展趋势
第3章数字神经网络技术理论基础
3.1引言
3.2基础理论
3.3常见系统模型
3.3.1反向传播BP模型
3.3.2 Hopfi eld模型
3.3.3自适应谐振理论ART模型
3.3.4自组织特征映射模型
第4章数据挖掘在CRM中的实现
4.1问题的理解和定义
4.1.1引言
4.1.2电信宽带客户聚类分析要求
4.1.3电信宽带客户聚类分析系统分析
4.1.4本系统开发语言以及运行平台
4.2数据预处理
4.2.1数据集成
4.2.2原始数据规范化
4.3客户聚类模型建立
4.3.1样本集的产生
4.3.2聚类算法简述
4.3.3 SOM聚类神经网络具体训练过程
4.4 SOM聚类结果分析
4.5客户聚类
4.6总结与展望
4.6.1总结
4.6.2与其他聚类方法的比较
4.6.3 SOM不足之处分析
4.6.4展望
第5章参考文献
第6章在读期间科研成果简介
6.1作者研究生阶段科研经历
6.2作者研究生阶段论文发表情况
第7章独创性申明
第8章致谢