大數(shù)據(jù)理論研究與應(yīng)用.pdf

1、近年來(lái)，大數(shù)據(jù)（Big Data）的研究與應(yīng)用引起了學(xué)術(shù)界和企業(yè)的廣泛關(guān)注，各級(jí)政府也從戰(zhàn)略和政策層面給予足夠的重視和支持，加上互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，共同推動(dòng)了大數(shù)據(jù)的理論創(chuàng)新、技術(shù)創(chuàng)新。眾所周知，人類(lèi)社會(huì)已從IT時(shí)代進(jìn)入DT時(shí)代，大數(shù)據(jù)已在經(jīng)濟(jì)、軍事、教育、環(huán)境、農(nóng)業(yè)、交通等[1-6]領(lǐng)域發(fā)揮著重要的作用，尤其是與人們生活息息相關(guān)的金融業(yè)、IT行業(yè)和通信行業(yè)等是大數(shù)據(jù)應(yīng)用的典范。
　　本文綜述了大數(shù)據(jù)的研究背景以及國(guó)內(nèi)外大數(shù)據(jù)發(fā)

2、展現(xiàn)狀；詳細(xì)闡述了科學(xué)大數(shù)據(jù)的基本概念，包括：數(shù)據(jù)源和數(shù)據(jù)特征，大數(shù)據(jù)四步處理流程；并從現(xiàn)代通信企業(yè)著手，利用大數(shù)據(jù)的理論基礎(chǔ)與技術(shù)體系，對(duì)通信企業(yè)用戶(hù)在網(wǎng)離網(wǎng)行為進(jìn)行實(shí)證研究。尤其借助于大數(shù)據(jù)處理方法對(duì)后付費(fèi)移動(dòng)用戶(hù)的相關(guān)數(shù)據(jù)進(jìn)行分析，構(gòu)建移動(dòng)用戶(hù)在網(wǎng)離網(wǎng)行為的識(shí)別模型，利用移動(dòng)用戶(hù)實(shí)時(shí)數(shù)據(jù)流預(yù)測(cè)用戶(hù)離網(wǎng)風(fēng)險(xiǎn)情況。文章的主要研就成果如下：
　　1）在本文研究案例的場(chǎng)景下，經(jīng)過(guò)多次科學(xué)實(shí)驗(yàn)，選擇出了最優(yōu)的數(shù)據(jù)挖掘算法—RBF(Ra

3、dical Basis Function)人工神經(jīng)網(wǎng)絡(luò)，構(gòu)建移動(dòng)給用戶(hù)離網(wǎng)行為分類(lèi)識(shí)別模型。
　　2）在輸入輸出關(guān)聯(lián)法(IOC)的基礎(chǔ)上，本文給出了類(lèi)二分法方法快速選擇最優(yōu)的屬性組合，該方法不僅解決了RBF人工神經(jīng)網(wǎng)絡(luò)建模優(yōu)化過(guò)程中無(wú)法再繼續(xù)選擇最優(yōu)的變量屬性組合的問(wèn)題，而且和文專(zhuān)[7]等人的方法相比，能夠較快的選擇最優(yōu)變量，從而提高了建立模型的效率。
　　最后對(duì)全文的研究工作進(jìn)行了總結(jié)，并對(duì)后付費(fèi)移動(dòng)用戶(hù)行為大數(shù)據(jù)處理流程