论文部分内容阅读
客户关系管理是当前企业管理的一个热点问题,特别是基于数据挖掘的CRM需求预测模型的应用研究对企业利润的增长具有积极的促进作用,因而受到企业的高度重视。实现一个智能化的客户关系管理系统对潜在客户进行预测,往往需要进行各方面的考虑。现有的潜在客户研究大多使用的是传统的分类方法,而传统的分类方法普遍存在效率较低、受参数影响较大、可解释性较差等缺陷。针对这些问题,本文借鉴人工免疫中的免疫记忆机理,使用克隆选择算法构建分类器,用于对潜在客户进行预测。本文以经典的克隆选择算法为计算框架,在进一步分析克隆选择算法中各个环节的基础上,对克隆选择、克隆变异和抗体补充等环节进行了改进,将亲和力引入抗体的变异环节,在此基础上提出了一种改进的克隆选择算法,每次的迭代过程中根据抗体的亲和力自适应地调整变异步长,使得克隆的抗体能够尽可能地保留父抗体的特性,可以在亲和力高的抗体周围集中搜索以提高收敛速度,以更高的概率寻找到最优抗体。为防止抗体退化,使用克隆删除思想用候选集替换替换记忆抗体群中亲和力较低的抗体。使用抗体补充思想,提高抗体的多样性,实现全局范围的搜索优化,避免陷入局部寻优。通过这些操作,可以增强局部和全局寻优能力。另一方面,本文基于免疫记忆机理,使用克隆选择后形成的记忆抗体种群作为分类器,用以对数据集进行分类。训练集经数据归一处理后,历经克隆、变异、选择、·补充等环节,得到记忆细胞群,然后用KNN分类方法对测试集进行分类。通过UCI数据集的实验表明该分类器具有较好分类效果。最后,结合一个企业在CRM中的实际需求,使用数据挖掘的分类方法,在基于改进克隆选择算法的分类器基础上,构建了一个潜在客户预测系统,解决了CRM中潜在客户的挖掘、识别及预测等工作,收到了较好的效果。