学位论文 > 优秀研究生学位论文题录展示

K-MEANS聚类算法在银行个人客户经理管理中的应用研究

作　者: 王春光
导　师: 刘铁英
学　校: 内蒙古大学
专　业: 管理科学与工程
关键词: 商业银行个人客户经理细分 K-MEANS聚类 SAS 初始凝聚点
分类号: F832.2
类　型: 硕士论文
年　份: 2011年
下　载: 64次
引　用: 0次
阅　读: 论文下载

内容摘要

随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,“数据丰富而知识贫乏”的问题日益突显,而数据挖掘技术正为此类问题开辟了一条道路,其研究与推广取得较大成果。近年来,中国银行业在信息化建设方面取得了令人瞩目的成绩,但在数据挖掘的具体商业运用方面还处在一个探索前进的阶段。本文首先将客户细分理论运行到商业银行个人客户经理管理的问题之中,首先提出将比较成熟客户细分理论运用于个人客户经理的细分,然后对K-MEANS聚类算法进行了分析,并指出K-MEANS聚类算法在实际使用中所面临的应用难点。最后根据CRISP-DM模型和SEMMA模型提出了本文实证分析的六个阶段,并按照这六个阶段开展实证分析,详细叙述了每一个阶段的方法和过程。其中K-MEANS聚类算法的实现是借助于SAS软件,通过三种不同初始凝聚点的选择方法来改善算法局部最优的状况。本文利用K-MEANS聚类算法解决了商业银行个人客户经理管理的实际应用问题,探索商业银行在运用数据挖掘技术过程中的理论和技术方法,希望有助于数据挖掘技术在中国商业银行的推广应用。

全文目录

摘要  4-5
ABSTRACT  5-6
目录  6-8
图表目录  8-9
第一章绪论  9-12
  1.1 研究背景和意义  9-10
  1.2 研究目的  10
  1.3 论文的主要内容  10-11
  1.4 论文的组织结构  11-12
第二章相关理论分析  12-25
  2.1 细分理论  12-15
    2.1.1 客户细分理论  12-14
    2.1.2 银行个人客户经理细分  14-15
  2.2 聚类算法相关概念  15-22
    2.2.1 聚类的定义  15-16
    2.2.2 聚类算法的要求  16-17
    2.2.3 聚类算法分类  17-18
    2.2.4 聚类分析中的数据结构  18-19
    2.2.5 聚类分析中的相似性度量  19-21
    2.2.6 聚类准则函数  21-22
  2.3 K-MEANS聚类算法分析  22-25
    2.3.1 K-MEANS聚类算法介绍  22-24
    2.3.2 应用K-MEANS算法进行聚类的问题  24-25
第三章实证研究方法论的分析  25-29
  3.1 业界成熟的数据挖掘方法论介绍  25-27
    3.1.1 CRISP-DM模型  25-26
    3.1.2 SEMMA模型  26-27
  3.2 本文实证研究方法论分析  27-29
第四章基于K-MEANS聚类算法的个人客户经理细分的实证研究  29-48
  4.1 确定业务目标  29
  4.2 数据采集  29-31
  4.3 数据准备  31-36
    4.3.1 数据清洗  31
    4.3.2 异常值处理  31-32
    4.3.3 相关性分析  32-36
    4.3.4 变量对数转换  36
    4.3.5 变量标准化  36
  4.4 执行K-MEANS算法  36-39
    4.4.1 算法工具介绍  36-37
    4.4.2 聚类个数K的确定  37-38
    4.4.3 初始凝聚点的选择  38-39
  4.5 结果分析  39-44
  4.6 最终聚类结果  44-45
  4.7 聚类结果的运用  45-48
第五章总结  48-49
参考文献  49-52
致谢  52

K-MEANS聚类算法在银行个人客户经理管理中的应用研究

内容摘要

全文目录

相似论文