数据挖掘技术是从上个世纪80年代开始发展起来的一门新技术，其主要的目的就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。而孤立点分析是数据挖掘中的重要研究方面之一，其作用就是发现数据中的“小模式”，即数据集中显著不同于其它数据的对象。经过近20年的发展，数据挖掘技术在理论研究上日趋成熟，正不断的扩展其应用范围，当前数据挖掘已用于电信、金融、商业、气象预报、DNA、股票市场、入侵检测和客户分类等许多领域。因此，本文首先研究了基于单元的孤立点发现算法，指出了其存在的缺点，并予以改进；其次，采用该算法并结合其它数据挖掘技术，针对企业中的客户忠诚度分析问题构建了客户忠诚度分析系统，最后，根据海尔客户关系数据，分析了海尔集团的客户忠诚度。 第一，阐述了课题的研究背景及其重要的研究意义；从数据挖掘的理论研究和应用研究方面，对当前数据挖掘的国内与国外的研究动态进行分析；通过对知识发现一般过程的分析，给出了一个典型的数据挖掘系统的整体架构，分析了各模块的主要功能，并对其中采用的数据挖掘的技术作了详细阐述。 第二，回顾了孤立点发现的研究过程及当前研究动态，介绍了基于距离、基于密度、基于偏离以及高维数据孤立点发现中的主要算法，具体分析了各个算法的主要内容，在此基础上总结比较了各个算法的优劣及其适用范围。 第三，在基于单元的孤立点发现算法的基础上，提出了一种减少边缘影响的孤立点分析算法。针对算法中边界处孤立点的误判问题，给出了数据空间的单元格划分及数据对象分配方法，定义了数据集边界阈值动态调整函数，提出了基于单元的孤立点挖掘算法的改进算法，在不增加原有算法时间复杂度的前提下，极大地减少了边界处孤立点的误判。并通过实际应用证明了算法的有效性，最终，将该算法用于彩色人脸边缘提取中，取得了极好的应用结果。 第四，完成了客户忠诚度分析系统。首先给出了客户忠诚度的概念，说明了研究客户忠诚度对企业的重要意义；介绍了系统的主要功能：数据预处理、重点客户发现以及客户忠诚类别划分；详细分析了数据预处理模块所采用的预处理手段和方法；给出重点客户发现和客户忠诚类别划分模块中所采用数据挖掘技术(孤立点分析、聚类分析、分类预测分析)，对相应技术中所采用的算法进行了详细的描述；最后介绍了用于结果显示的结果可视化模块中的两种方法：平行坐标和分类图表。 第五，通过客户忠诚度分析系统，对海尔公司的客户忠诚度进行了分析。主摘要要针对海尔公司的客户忠诚度分析问题，详细阐述了选取和处理客户忠诚度分析数据的过程及方法，分析了海尔公司中重点客户发现过程及结果，并结合不同的参数，对其结果给出了详细的分析比较，归纳得出了参数变化对重点客户发现的影响规律:此外，还运用聚类分析手段，得出了海尔客户数据中的大致类别，并从这些类别中选取合适的数据对象组成训练集，采用神经网络预测算法给出了海尔客户关系数据的最终的忠诚类别。从而证明了客户忠诚度分析系统的实用性。 最后，对本文的工作进行了总结和对研究前景的展望。