|
|
|
|
烘焙行业消费数据挖掘及其应用研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-5页 | | Abstract | 第5-7页 | | 目录 | 第7-10页 | | 第一章 引言 | 第10-18页 | | ·研究背景 | 第10-11页 | | ·研究目的 | 第11页 | | ·国内外研究现状 | 第11-15页 | | ·国外研究现状 | 第11-14页 | | ·国内研究现状 | 第14-15页 | | ·研究内容与论文结构 | 第15-17页 | | ·研究内容 | 第15-16页 | | ·论文结构 | 第16-17页 | | ·论文创新点 | 第17-18页 | | 第二章 数据挖掘理论与方法 | 第18-28页 | | ·数据挖掘的定义 | 第18-19页 | | ·数据挖掘的技术定义 | 第18页 | | ·数据挖掘的价值定义 | 第18-19页 | | ·数据挖掘与传统数据分析方法的区别 | 第19页 | | ·数据挖掘的常用方法 | 第19-21页 | | ·关联规则 | 第20页 | | ·决策树 | 第20-21页 | | ·遗传算法 | 第21页 | | ·聚类分析 | 第21页 | | ·数据挖掘的过程 | 第21-24页 | | ·问题理解 | 第22-23页 | | ·数据准备 | 第23页 | | ·挖掘算法选择 | 第23-24页 | | ·建立模型及评估 | 第24页 | | ·挖掘结果解释 | 第24页 | | ·数据挖掘的分类及应用领域 | 第24-27页 | | ·数据挖掘的分类 | 第24-25页 | | ·数据挖掘的应用领域 | 第25-27页 | | ·本章小结 | 第27-28页 | | 第三章 聚类算法的改进及其在烘焙行业客户细分中的应用 | 第28-44页 | | ·聚类分析概述 | 第28-30页 | | ·聚类分析的概念 | 第28页 | | ·聚类分析的分类 | 第28-29页 | | ·k-means 算法 | 第29-30页 | | ·聚类分析算法的改进 | 第30-39页 | | ·GA 算法基本原理 | 第31页 | | ·初始中心的优化 | 第31-32页 | | ·消除噪声和孤立点数据 | 第32页 | | ·基于适值函数的 K 值选择 | 第32-33页 | | ·GK-means 算法 | 第33-37页 | | ·算法性能分析 | 第37-39页 | | ·改进的 K-means 算法在烘焙行业客户细分中的应用 | 第39-43页 | | ·数据选取 | 第39-40页 | | ·客户细分结果 | 第40-43页 | | ·本章小结 | 第43-44页 | | 第四章 关联规则算法的改进及其在烘焙行业产品交叉销售中的应用 | 第44-56页 | | ·产品交叉销售概述 | 第44-45页 | | ·交叉销售的基本概念 | 第44页 | | ·交叉销售的意义 | 第44-45页 | | ·关联规则概述 | 第45-46页 | | ·关联规则的相关概念 | 第45-46页 | | ·挖掘规则的基本步骤 | 第46页 | | ·关联规则算法的改进 | 第46-51页 | | ·Apriori 算法 | 第46-47页 | | ·算法改进 | 第47-49页 | | ·算法性能分析 | 第49-51页 | | ·改进的 Apriori 算法在烘焙行业产品交叉销售中的应用 | 第51-54页 | | ·数据处理 | 第51-53页 | | ·产品交叉销售挖掘结果 | 第53-54页 | | ·本章小结 | 第54-56页 | | 第五章 总结与展望 | 第56-58页 | | ·总结 | 第56页 | | ·展望 | 第56-58页 | | 参考文献 | 第58-62页 | | 攻读学位期间的主要成果 | 第62-63页 | | 致谢 | 第63页 |
|
|
|
|
论文编号BS2272576，这篇论文共63页
会员购买按0.35元/页下载，共需支付22.05元。 直接购买按0.5元/页下载，共需要支付31.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务