第一章 家庭服装消费行为研究综述 1
第一节 家庭服装消费行为研究的意义与内容 1
一、从实践上看：国内外竞争引发家庭服装消费行为研究需求 1
二、从理论发展上看：以家庭为单位研究服装消费行为是必然趋势 2
三、家庭服装消费行为研究的内容 3
第二节 国内外研究概述 4
一、国内研究状况 4
二、国外研究状况 5
第二章 数据挖掘技术概述 31
第一节 数据挖掘的特点 31
一、数据挖掘的定义 31
二、数据挖掘的特点 31
三、数据挖掘有效循环的四个阶段 32
第二节 数据挖掘的方法论和方法 34
一、数据挖掘的方法论 34
二、数据挖掘的方法 37
第三节 数据挖掘的技术算法 40
一、关联规则（Associations） 40
二、人工神经网络（Artificial Neural Network） 41
三、遗传算法（Genetic Algorithms） 42
四、决策树方法（Decision Trees） 43
第四节 数据挖掘在营销中的作用 44
一、顾客获得（Customer acquisition） 45
二、顾客保留（Customer retention） 45
三、顾客放弃（Customer abandonment） 45
四、市场篮子分析（Market basket analysis） 45
第三章 混合机器学习——家庭服装消费行为研究中的最新技术 47
第一节 关于机器学习简介 47
一、归纳学习 47
二、人工神经网络 48
三、机器学习方法和系统评价 51
第二节 混合式机器学习 54
一、系统特点简介 55
二、系统的设计目标和总体结构 55
三、系统的核心算法 57
四、混合式机器学习（HML）的工作原理 62
第三节 运用基于HML的数据挖掘技术研究家庭服装消费决策行为模型 65
一、研究的理论构架 65
二、预期目标 68
三、研究方法 71
第四章 家庭服装消费决策行为系统整合模型 76
第一节 消费支出分配模型即产品与数量选择模型 76
一、家庭成员各类服装消费支出分配模型 76
二、单类服装消费支出结构分析 79
第二节 服装消费商店偏好模型 81
一、家庭成员各类服装商店偏好分析 81
二、单类服装商店偏好之细分市场的特征 84
三、影响服装消费商店偏好的因素分析 86
第三节 购买决策者选择模型 91
一、家庭成员不同类型服装购买决策者倾向 91
二、单类服装购买决策者分布模型分析 94
三、影响服装购买决策者分布的因素分析 96
第五章 服装消费决策行为的市场应用模型 102
第一节 服装消费决策行为市场应用模型的运用 102
一、子女裤裙消费行为的市场应用模型 102
二、妻子套装消费决策行为的市场应用模型 107
三、妻子套装不同消费档次细分市场特征 108
第二节 服装消费决策行为市场应用模型的运用实例 112
第六章 家庭服装消费支出的影响因素分析 114
第一节 HML数据挖掘结果基本描述 114
一、家庭及其成员服装消费总支出模型 115
二、家庭及其成员不同服装种类的消费支出模型 116
三、HML数据挖掘结果归纳 132
第二节 结果讨论 133
一、HML结果与前人研究结果的比较 133
二、与前人研究方法的比较 137
三、预测功能比较 144
第七章 结论和展望 146
第一节 本研究总结 146
一、家庭成员各类服装消费支出分配结构概览 147
二、家庭成员各类服装商店偏好规律要点 148
三、家庭成员各类服装购买决策者选择分布特点 148
四、HML技术与传统统计技术的方法比较 150
第二节 本研究的创新和发展 150
一、创新之处 150
二、发展 151
附录 152
附录一 属性变量（非决策变量）的设置及所代表的语义 152
附录二 决策变量的设置及相应语义含义 154
附录三 调查问卷——中国纺织大学旭日工商管理学院 156
附录四 调查问卷样本分布表 159
附录五 问卷中服装类别及变量名称 160
附录六 调查样本特征表 160
附录七 家庭及其成员各类服装消费金额及档次的训练集和测试集精度 162
附录八 如何运用HML技术 164
附录九 家庭成员各种服装消费金额之HML数据挖掘结果 168
附录十 家庭成员不同服装类型购买地点影响因素的数据挖掘结果 174
附录十一 家庭成员各类服装购买决策者影响因素的数据挖掘结果 185
参考文献 196