基于粗糙集和神经网络的客户行为研究

来源 :黑龙江科技学院 | 被引量 : 0次 | 上传用户:yqy1980
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在通信行业中,海量的客户数据被存储在数据仓库中得不到充分应用,这些数据中隐藏的信息不仅可以为决策者提供决策支持,还能为通信行业挖掘出潜在的客户,实现业务增值,同时通过充分利用这些数据还能更好的为客户服务。因此,本论文利用粗糙集和神经网络建立了一个数据挖掘模型。   本论文是对数据挖掘技术的一次探索性研究,主要是对数据挖掘技术进行了改进,结束了单一数据挖掘技术的应用。粗糙集理论中差别矩阵算法具有迅速、简易求得约简属性集等优点,神经网络具有自学习能力和误差反向回馈等优点,基于这两种方法的优点,建立了一种基于这两种方法的数据挖掘模型。该模型采用这两种方法的优点,摒弃这两种方法的缺点,通过对客户数据进行分析,挖掘出潜在的关联规则,实现数据挖掘。   数据挖掘技术从上一个月的电信189邮箱客户数据结果中获得有用的关联规则,训练BP神经网络,从而预测这个月的数据信息,挖掘潜在客户,实现业务增值,增加利润。该方法的实验过程为:利用粗糙集属性约简方法约简属性集,从而降低客户数据的冗余性,减小数据量,并且缩短神经网的络训练过程。与此同时,该方法在正确率上还能得到提高。利用粗糙集方法对电信客户属性进行约简,找出重要的属性,并利用这些属性建立神经网络筛选方法,然后利用上个月的电信客户数据对BP神经网络进行训练,训练完成后对训练结果进行实际实验,得出实验结果,然后再将实际结果应用到实际工作当中,通过实际应用得到该数据挖掘技术的正确率,对本实验进行修改,进一步完善,最终达到预期的效果。该方法在数据挖掘技术的时间复杂度和空间复杂度上做了优化,提高了数据挖掘技术的效率和准确率,降低了算法的内存占有量和运算时间,数据挖掘方法得到了改进和优化。   本论文是对数据挖掘技术的一次尝试创新,并且取得了阶段性的成果,数据挖掘技术的正确率得到了提高。该方法不仅将数据挖掘理论成果的引用到了电信行业,而且还对相同行业具有理论指导作用,对数据挖掘技术的扩展起到积极地作用。
其他文献
随着计算机和网络技术的发展,将印刷体文档通过光学字符识别技术(Optical Characters Recognition, OCR)转化为电子格式进行存储和管理已经成为重要的信息流通方式。传统的OC
近年来,随着互联网技术快速发展及其普及范围不断扩大,互联网已经逐渐深入到人们的日常生活之中,并成为人们学习和工作生活中的重要组成部分。然而,由于互联网采用自由、开放
微件(Widget)是利用Web技术,通过XML和JavaScript等来实现的应用。随着移动互联网和嵌入式系统的发展,微件逐步开始出现在手机和其它终端上应用,并延伸出移动微件、电视微件
自上世纪90年代,受互联网技术和数据库技术迅猛发展的影响,如何从海量的、以文本形式存在的数据中快捷地挖掘出所需信息业已成为当前理论研究的热点和难点。作为文本挖掘的重要
脱机手写汉字识别是计算机智能化领域的一项重要课题,近年来迅猛发展,在技术应用层面取得了一定突破。但是如何设计适应性更强的识别方法一直是影响其发展的难点。本文针对脱
电子商务的发展改变了市场竞争规则,企业可以利用新技术创新商务模式,突破现有资源局限,培育新的业务能力,发掘新的效益增长点,减少流通环节,降低商业运作成本,提升企业的核心竞争力
过去几年里,在对网络社区的研究中,众多社区结构发现方法,多是单纯地分析其平面拓扑特性。对于社区属性的深入分析,特别是对社区结构的空间和时间维度的分析,尚处于发展阶段
随着网络应用和统一通信技术的不断发展,即时消息和呈现服务已经成为网络服务中的一项基本业务。在具体实现上,呈现服务可以使用的协议、标准和规范比较多。基于SIP协议的SIM
随着计算机在多媒体技术和虚拟现实技术等方面的不断提高,3D模型在计算机辅助设计(CAD),机械工程和娱乐等各个领域的应用已经越来越普及。随着计算机图形硬件性能的提高和几
并行计算系统是计算机科学中的重要研究领域,作为并行计算系统中的重要组成部分,互连网络的性质对整个系统的性能在很大程度上起着决定性的作用。迄今已经有多种互连网络被提