| 【中文题名】 | 基于粗糙集的知识发现在客户关系管理（CRM）中的应用 |
| 【英文题名】 | A KDD System Based on Rough-Set and Its Application in Customer Relationship Management |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-8-31 |
| 【中关键词】 | 数据库知识发现,客户关系管理,粗糙集理论,加权关联规则,, |
| 【英关键词】 | kdd,crm,rough set,weight association rule, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 | 数据库知识发现(KDD)研究如何从大量的数据中智能地、自动地提取出有价值的知识和信息，是当前相当活跃的研究领域。近年来，电子商务大潮正在全球范围内急速改变传统的商业模式。如何才能在电子商务竞争中取胜?能够提供客户资源及相关数据分析的客户关系管理系统(Customer Relationship Management，CRM)就成为焦点，但是CRM系统中庞大的数据量阻碍了我们从中发现有价值的客户模式，因此研究适用于CRM的知识发现系统，具有理论意义和重要的实用价值。
目前，在CRM中使用的知识发现系统很多。但是，在CRM中使用的基于粗糙集理论的知识发现系统却较少见，而利用粗糙集理论进行知识发现具有一定的优势，因此本文将在粗糙集理论的基础上，对一个CRM系统进行知识发现。主要以粗糙集的理论为基础，首先从CRM系统中获取数据，转化为相应的决策表，再对决策表中的数据进行决策表补齐、离散化，然后进行属性和值的约简，最后生成决策规则，建立逻辑推理系统。
由于在CRM系统中的数据可能存在大量的不确定信息，而传统的粗糙集还不适用于不确定信息建模。为了解决这个问题，本文采用
... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-9 |
|
第一章 绪论 |
9-12 |
|
1.1 论文的选题背景和意义 |
9-11 |
|
1.2 论文的主要研究内容和结构安排 |
11-12 |
|
第二章 KDD和粗糙集理论 |
12-24 |
|
2.1 KDD定义和过程 |
12-13 |
|
2.2 数据挖掘的分类 |
13-16 |
|
2.2.1 按照功能分类 |
13-14 |
|
2.2.2 按照挖掘对象分类 |
14 |
|
2.2.3 按照挖掘技术分类 |
14-16 |
|
2.3 粗造集理论 |
16-22 |
|
2.3.1 决策表 |
16-17 |
|
2.3.2 不分明关系与基本集 |
17-18 |
|
2.3.3 近似空间 |
18-21 |
|
2.3.4 可变精度的粗糙集模型 |
21-22 |
|
2.3.5 粗糙集在不完备信息系统中的应用 |
22 |
|
2.4 粗糙集理论的评价 |
22-23 |
|
2.5 本章小结 |
23-24 |
|
第三章 基于Rough集理论的知识发现 |
24-37 |
|
3.1 数据预处理 |
24-29 |
|
3.1.1 决策表补齐 |
24-26 |
|
3.1.2 离散化和概念分层 |
26-29 |
|
3.1.2.1 针对连续性的属性离散化方法 |
27-28 |
|
3.1.2.2 概念分层 |
28-29 |
|
3.2 数据约简 |
29-32 |
|
3.2.1 属性约简 |
30-31 |
|
3.2.2 值约简 |
31-32 |
|
3.3 决策规则的生成 |
32-36 |
|
3.3.1 决策规则的表现形式 |
32-33 |
|
3.3.2 规则获取算法 |
33-36 |
|
3.4 本章小结 |
36-37 |
|
第四章 系统设计及实现 |
37-42 |
|
4.1 系统整体设计 |
37-38 |
|
4.2 系统实现 |
38-41 |
|
4.3 本章小结 |
41-42 |
|
第五章 实验过程及结果分析 |
42-47 |
|
5.1 数据的获取和表示 |
42-44 |
|
5.2 数据约简及规则生成 |
44-45 |
|
5.3 实验结果分析 |
45-46 |
|
5.4 本章小结 |
46-47 |
|
第六章 总结 |
47-49 |
|
6.1 工作小结 |
47 |
|
6.2 进一步工作 |
47-49 |
|
参考文献 |
49-53 |
|
功读学位期间发表的学术论文 |
53-54 |
|
致谢 |
54 |
|
| 【DOI】 | LunWen.ID:2.2008.387082 |
