范例--电子商务毕业论文(设计)开题报告表范例.doc

四川农业大学本科生毕业论文（设计）开题报告
毕业论文（设计）题目邮政业务的交叉销售模型研究选题类型应用基础课题来源自选学院专业指导教师职称姓名年级学号
一、立题依据
1、国内外研究现状
（1）数据挖掘的研究现状和发展态势
数据挖掘是指从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘人们感兴趣知识的过程。其中知识表示为概念、规则、规律、模式等形式，它们是隐含的、事先未知的潜在有用信息，在商务数据深处蕴藏着未被发现的机会，可以用数据挖掘技术来发现。在交叉销售建模过程中，主要运用分类、聚类以及业务关联分析进行建模。
分类算法
在分类算法中，决策树的应用十分普遍。它起源于概念学习系统，具有分类精度和效率较高、结果易于理解、能够导出分类规则等优点。决策树建模包括了建树和剪枝两个阶段。构造决策树算法有多种，较有代表性的有Quinlan的ID3算法、Breiman等人CART算法、Loh和Shih的QUEST算法、Magidson的CHAID算法；剪枝算法有Breiman的复杂-代价剪枝、Quinlan的减少错误的剪枝和悲观估计剪枝。关于决策树的规则提取研究包括Quinlan提出的直接由训练数据推导规则的方法、Clark提出的CN2规则推导算法、Smyt等提出ITRULE算法、Major和Mangano提出的规则精炼策略。除了决策树，支持向量机和朴素贝叶斯网络也是主要的分类算法。
聚类算法
聚类分析算法最早是由Kaufman等提出的，探讨了聚类分析的单连接方法；Alfred进一步给出了单连接方法的通用公式；Aronis提出了著名的K-means算法；Chen提出了区分自然划分与分切的差异阵；Aronis开发了极大似然分类方法；Karypis提出了如何使用分枝定界思想来扩大穷举方法评估聚类使用范围，同时还讨论了基于图的聚类算法阵；Zhang等人描述了适用于庞大数据集的聚类算法；Eisen等人阐述了层次聚类在基因数据上的应用；Wedel和Kaufman分析了混合模型在消费者建模和市场方面的应用；Zamir和Etzioni介绍了专门用于聚类网络文档的聚类算法；Cadez等人描述了马尔可夫混合模型在聚类网络文档方面的应用；闰德勤等基于万有引力原理提出了一种新的聚类算法；周新华等提出了一种基于蚁群算法的模糊C均值聚类算法。
关联规则挖掘技术
近年来，关联规则挖掘技术取得了很大的进展。Han等人提出了基于频繁模式树(FP-树)的频繁模式挖掘算法，范明等对该算法进行了改进；Silbershcatz等探讨了关联规则的后期处理问题；Imielinski和Sarawagi讨论了把关联规则集成到数据库系统中的问题；Mannila等人介绍了在序列中发现片段的算法；Aronis等人探讨了如何实现用于海量数据集的高效归纳算法以及一些实践的技巧；Adamo等人提出了有助于提高算法效率的特征空间网格结构上的算法集；朱玉全等提出了基于频繁模式树的关联规则增量式更新算法；Brijs等人以及Lawrence等人讨论了关联规则在零售业交叉销售中的应用问题。
（2）交叉销售研究现状和发展态势
交叉销售是通过研究客户的产品使用情况、消费行为特点，发现客户潜在的需求，通过挖掘产品之间的关联，寻找实现销售更多产品的机会，为产品寻找现有用户中的目标群体。在新客户的获取越来越难的形势下，交叉销售是提升企业销售额的有效手段。早在1965年，国外银行业就开始应用交叉销售，向老客户推荐他们可能需要的其他金融产品和服务。利用数据挖掘技术去发现客户购买规律可以追溯到NCR公司为沃尔玛超市发现了啤酒和尿片之间的关联关系。数据挖掘辅助交叉销售主要通过识别交叉销售机会和发现客户购买规律。
近年来，国内外学者对交叉销售的研究越来越多，很多学者都在致力于识别交叉销售的方法研究。Knott等利用Logistic回归、多元回归、判别分析和神经网络四种技术来识别交叉销售机会，确定交叉销售目标客户的有效性。幸莉仙等人研究了数据挖掘在零售行业中的应用，并引出了交叉营销的概念。段云峰等人研究了移动通信业务中的业务关联关系。
目前，有关交叉销售机会识别的方法和模型主要有四种，即潜在特质模型（Kamakura,1991;2003）、获得模式（Peas&Kuijlen,2001）、NPDP模型（Knottetal.,2002)）和市场细分方法（Peltier,2002）。学者们大多是在借鉴市场营销以及其他学科和领域现有方法的基础上，来考察将这些方法应用于识别交叉销售机会的可能性的。例如，Kamakura等人主要借鉴心理学研究的潜在特质理论；Peas和Kuijlen主要利用耐用消费品的获得模式来研究和利用Mokken量表测量法；而Peltier等人则主要采用了市场细分法。目前学术界对这四种方法众说纷纭。因此，识别交叉