基于数据挖掘技术的电信客户流失预测模型的研究与应用

发布时间：2020-06-08 00:50

【摘要】： 数据挖掘技术是利用已知的数据通过建立数学模型的方法找出隐含的业务规则。在国内随着对数据挖掘技术的重视,数据挖掘技术的应用研究也越来越广,其中对电信行业的客户流失分析就是一大热点。客户流失分析是通过对以往流失客户的历史数据进行分析,找出可能离网用户的特征,及时采取相应的措施,减少客户流失的发生。这对企业降低运营成本,提高经营业绩有着极为重要的意义。 本文从提高数据挖掘的效率和精度的目的出发,对BP神经网络预测模型进行了有益的改善,同时给出了基于粗糙集理论的属性约简和BP神经网络相结合的客户流失预测方法。通过属性约简技术对神经网络的输入属性空间进行约简,采用神经网络对约简后的数据进行挖掘。此方法充分发挥了粗糙集理论在约简知识方面的能力和神经网络预测精度高的特点,应用于电信客户流失预测技术研究中,取得了较好的效果。 在上述研究的基础上,本文根据数据挖掘建模过程建立电信客户流失预测模型,给出电信客户流失行为预测的解决方案。并对预测模型进行性能评估。评估结果表明本文建立的预测模型是可行的。本文构建的预测模型对解决电信客户流失预测方面的问题具有应用价值。
【图文】：

用权值模拟神经元之间的突触连接强度。正权值起兴奋型突起抑制型突触的作用。一个结点有许多输入，类似于神经细胞它神经元的兴奋或抑制信号。计算处理单元对所有输入值进行和通过内部转换函数产生一个输出值，其作用相当于神经细胞突。下面以 McCulloch-Pits 模型为例，介绍单个神经元的工

图 4-2 前向多层神经网络模型示意图BP 网络的学习过程包括正向传播和反向传播两部分。当给定一个网络式时，它由输入层单元传到隐含层单元，经隐含层单元逐层处理后再送到元，由输出层单元处理完毕后，产生一个输出模式，这是一个逐层状态更新称为前向传播。如果输出响应与期望输出模式有误差，不满足要求，那么信号沿原来的连接通路从输出层到输入层进行传送，并修正各层的连接权误差信号最小，该过程称为反向传播。对于给定的一组训练模式，不断用训练网络重复前向传播和误差反向传播的过程。当各个训练模式都满足要为 BP 网络已经学习好了。（2）BP 神经网络用于分类的工作原理设有 M 类可区分的客体，每一类客体记之为jC ，j= 0 ,1,2,3，…,M表征各客体特征的是一个 N 维随机矢量 X，[ ]0121,,... =NX xxxx，，这就是赋
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP311.13;F62

【相似文献】

相关期刊论文 前10条

1 高阳;;中国数据挖掘研究进展[J];南京大学学报(自然科学版);2011年04期

2 陈瑛琦;扶晓;刘劲;;可视化数据挖掘技术[J];电脑编程技巧与维护;2011年14期

3 罗健萍;吴海;;数据挖掘技术中基于关联规则算法的研究[J];硅谷;2011年13期

4 蒋晖;陈允锋;;数据挖掘及其一种关联规则算法[J];计算机与数字工程;2011年06期

5 金育婵;;数据挖掘技术中基于关联规则算法的研究[J];科技传播;2011年12期

6 唐学军;;基于网格的运动训练数据挖掘研究[J];现代计算机(专业版);2011年10期

7 王娜敏;高艺博;;基于数据挖掘技术的入侵检测系统[J];电脑知识与技术;2011年21期

8 王海军;;数据挖掘提高企业决策分析[J];福建电脑;2011年06期

9 田伟;殷淑娥;;浅析数据挖掘[J];甘肃科技;2011年12期

10 白建伟;;数据挖掘技术在高校图书馆管理中的应用[J];山西青年管理干部学院学报;2011年02期

相关会议论文 前10条

1 宋志新;龙虹;;数据挖掘在电信领域客户流失分析中的应用[A];全国第九届企业信息化与工业工程学术会议论文集[C];2005年

2 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

3 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 魏元珍;杨沂凤;;数据挖掘技术及其在数字图书馆中的应用[A];网络信息资源的搜集与应用——全国高校社科信息资料研究会第十次年会论文集[C];2004年

5 肖健;沈彩霞;;浅谈数据挖掘技术现状[A];广西计算机学会2008年年会论文集[C];2008年

6 巩耀亮;邱晓东;孙丽君;李树强;;数据挖掘技术在企业竞争情报系统中的应用研究[A];信息时代——科技情报研究学术论文集（第三辑）[C];2008年

7 王洪锋;;数据挖掘在客户关系管理中的应用研究[A];河南省通信学会2005年学术年会论文集[C];2005年

8 姚小磊;彭清华;;数据挖掘技术在中医眼科应用的设想[A];中华中医药学会第七次眼科学术交流会论文汇编[C];2008年

9 张婧;;数据挖掘技术在进销存系统中的应用[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

10 杨利军;勾学荣;;数据挖掘在移动客户流失预测中的研究和应用[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

相关重要报纸文章 前10条

1 诺达咨询高级咨询顾问 周连升;数据挖掘拓展3G增值空间[N];通信产业报;2007年

2 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

3 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

4 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

5 首之;数据挖掘并不神秘[N];金融时报;2006年

6 毛江华;6030亿元 客户流失威胁中国企业发展[N];计算机世界;2008年

7 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

8 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

9 山西银行学校 王林芳;数据挖掘在银行业务中的应用[N];山西科技报;2005年

10 徐扬;如何从数据中“挤出”效益[N];中国计算机报;2002年

相关博士学位论文 前10条

1 许增福;DL环境下的信息资源管理及知识发现研究[D];哈尔滨工程大学;2005年

2 庞淑英;三江并流带旅游地质景观数据挖掘及旅游价值评价研究[D];昆明理工大学;2008年

3 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年

4 高清东;复杂供矿条件矿山技术指标整体动态优化系统及应用[D];北京科技大学;2005年

5 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

6 王玉峰;变电站瞬态电磁环境及微机保护系统EMC研究[D];大连理工大学;2007年

7 潘海天;数据挖掘技术在聚合过程建模与控制的应用研究[D];浙江大学;2003年

8 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

9 束志恒;化学化工数据挖掘技术的研究[D];浙江大学;2005年

10 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

相关硕士学位论文 前10条

1 罗烨;基于数据挖掘技术的电信客户流失预测模型的研究与应用[D];苏州大学;2008年

2 任冬梅;数据挖掘在客户关系管理中的应用研究[D];安徽理工大学;2008年

3 侯晶晶;基于经营分析系统的客户流失分析[D];首都经济贸易大学;2006年

4 苏菡;商业性健身俱乐部客户流失分析及对策研究[D];吉林大学;2009年

5 崔永哲;数据挖掘技术在客户流失预警中的应用[D];延边大学;2008年

6 李睿仙;昆明电信客户流失预警的研究[D];昆明理工大学;2007年

7 欧军;企业数据分析系统开发[D];成都理工大学;2007年

8 宋才俊;基于CRM的移动客户流失分析[D];苏州大学;2007年

9 闫飞;聚类算法研究及其在移动客户流失管理中的应用[D];长春理工大学;2010年

10 蒋正君;数据挖掘在离网分析中的应用研究[D];东南大学;2006年

本文编号：2702260