基于廣義計(jì)算和分類回歸樹的電信業(yè)異動(dòng)客戶識(shí)別.pdf

1、作者所做的工作具體如下:首先研究了數(shù)據(jù)挖掘技術(shù)中的決策樹技術(shù)和基于廣義計(jì)算的多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)理論以及兩種理論的優(yōu)缺點(diǎn).分析了多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)和決策樹相結(jié)合的可能性及優(yōu)勢,并深入了解目前該方向的發(fā)展情況.然后,通過深入研究多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)和決策樹的特點(diǎn),論文提出了將多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)應(yīng)用于決策樹的建模方法——基于多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)和分類回歸樹的異動(dòng)客戶識(shí)別系統(tǒng).該系統(tǒng)包括多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)屬性約簡和分類回歸樹異動(dòng)客戶識(shí)別兩大模塊.多準(zhǔn)則神經(jīng)網(wǎng)絡(luò)部分對客戶屬

2、性集進(jìn)行維數(shù)約簡,重點(diǎn)介紹了以模糊熵準(zhǔn)則為基礎(chǔ)的多準(zhǔn)則學(xué)習(xí)方法,同時(shí)提出了網(wǎng)絡(luò)輸入層、隱含層及輸出層的構(gòu)造方法.在分類回歸樹部分,介紹了分類回歸樹的生長算法、最小代價(jià)—復(fù)雜性剪枝算法以及最優(yōu)樹選擇等算法.提出了系統(tǒng)設(shè)計(jì)之后,論文詳細(xì)介紹了該系統(tǒng)的開發(fā),用以解決異動(dòng)客戶的識(shí)別問題.通過在實(shí)際領(lǐng)域的應(yīng)用,體現(xiàn)了該文提出的新模型與傳統(tǒng)分類回歸樹模型相比具有的優(yōu)勢,并用具體數(shù)據(jù)說明了這一點(diǎn).最后,論文總結(jié)了作者所展開的研究工作,提出了存在的問題