數(shù)據(jù)挖掘在彩信運(yùn)營支撐中的應(yīng)用研究.pdf

1、業(yè)界普遍認(rèn)為彩信業(yè)務(wù)將是3G市場啟動(dòng)和發(fā)展的關(guān)鍵動(dòng)力，具有廣闊的應(yīng)用前景和發(fā)展空間。當(dāng)前運(yùn)營商的彩信運(yùn)營缺乏有效的系統(tǒng)支撐?；诖?，本文重點(diǎn)研究數(shù)據(jù)挖掘方法在彩信運(yùn)營支撐中的應(yīng)用，并探討構(gòu)建面向數(shù)據(jù)業(yè)務(wù)的網(wǎng)絡(luò)質(zhì)量提升支撐平臺(tái)的思路。本文的主要研究成果如下： 1、提出混沌粒子群算法，并在此基礎(chǔ)上改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，應(yīng)用于彩信指標(biāo)預(yù)測。 傳統(tǒng)粒子群算法在尋優(yōu)過程中不同程度地存在早熟問題而易陷入局部最優(yōu)解，本文在粒子群

2、算法中引入混沌思想對(duì)之進(jìn)行改進(jìn)：首先混沌初始化粒子群中粒子的位置，保證在搜索空間的大范圍內(nèi)初始化粒子群中粒子的位置；然后調(diào)用基本的粒子群方法，當(dāng)粒子群中出現(xiàn)有多個(gè)粒子距離足夠近的情況，則對(duì)該粒子賦予混沌狀態(tài)搜索。通過Rosenbrock和Schaffer等經(jīng)典測試函數(shù)進(jìn)行測試，Rosenbrock函數(shù)最小適應(yīng)值由8.78下降到4.90，Schaffer函數(shù)成功搜索次數(shù)也大大提高。 建立在混沌粒子群算法基礎(chǔ)上的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)彩信

3、指標(biāo)預(yù)測模型，主要通過輸入節(jié)假日、當(dāng)前用戶數(shù)、市場行為、歷史指標(biāo)情況等信息來預(yù)測彩信提交總量、彩信提交成功量、彩信下發(fā)總量、彩信下發(fā)成功量、彩信端對(duì)端成功率等彩信指標(biāo)，并以此指導(dǎo)運(yùn)營商的網(wǎng)絡(luò)建設(shè)及調(diào)整，并可利用該預(yù)測結(jié)果來指導(dǎo)市場行為，輔助業(yè)務(wù)部門制定營銷策略，實(shí)施精細(xì)化營銷。在應(yīng)用中，該預(yù)測模型很好地預(yù)測出彩信業(yè)務(wù)總量的變化，幫助企業(yè)及時(shí)啟動(dòng)營銷策劃，取得較好效果。 2、提出基于模糊聚類分析的彩信客戶分類模型用于實(shí)現(xiàn)對(duì)彩信客戶

4、進(jìn)行分類。 該模型融合用戶彩信業(yè)務(wù)使用情況、用戶信息、用戶數(shù)據(jù)業(yè)務(wù)使用情況等相關(guān)信息，基于模糊聚類算法，實(shí)現(xiàn)將客戶分為四個(gè)聚類結(jié)果：潛在客戶、高活躍客戶、沉默客戶和可保持客戶。并針對(duì)重點(diǎn)的沉默和高活躍客戶采取專項(xiàng)市場提升活動(dòng)，展開精細(xì)化營銷，達(dá)到了很好的提升效果。 3、提出面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TSPA網(wǎng)絡(luò)質(zhì)量提升模型的構(gòu)想。以彩信業(yè)務(wù)為切入點(diǎn)，以數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知為導(dǎo)向，應(yīng)用數(shù)據(jù)挖掘等技術(shù)，對(duì)網(wǎng)絡(luò)質(zhì)量管理