中国博士后科学基金(20100470008)
- 作品数：6 被引量：49H指数：4
- 相关作者：朱帮助张秋菊邹昊飞魏一鸣林超斌更多>>
- 相关机构：五邑大学北京理工大学中国国际工程咨询公司更多>>
- 发文基金：中国博士后科学基金广东省自然科学基金国家自然科学基金更多>>
- 相关领域：经济管理自动化与计算机技术更多>>
- 基于SMC-RS-LSSVM的电子商务客户流失预测模型被引量：25
- 2010年
- 为提高个体层次上客户流失预测的精度,建立了基于SMC-粗糙集-最小二乘支持向量机的电子商务客户流失预测模型.该模型首先利用SMC模型计算出客户活跃度,以0.5为阈值判断出客户流失状态,识别出正判客户和错判客户;其次应用粗糙集理论约简出重要的客户流失预测指标体系,然后将训练样本送入最小二乘支持向量机进行学习和训练,进而对测试样本的客户流失状态进行判别.利用某网上商场的2525名客户样本进行电子商务客户流失预测实证研究,结果表明:与SMC模型、BP神经网络模型、最小二乘支持向量机模型相比,该模型对测试样本预测精度更高,是一种更为有效和实用的客户流失预测方法.
- 朱帮助
- 关键词：SMC最小二乘支持向量机客户流失预测电子商务
- 基于Matlab组件编程技术的IVCRMS设计与实现
- 2011年
- 人工智能技术和可视化编程技术的引进使得传统客户关系管理系统(CRMS)发展成为智能可视化CRMS(IVCRMS),然而人工智能技术通常需要进行复杂的运算处理,可视化编程技术却难以胜任这一要求.为解决这一问题,论文提出一种基于Matlab组件编程技术的实现方法,先将人工智能算法封装为COM组件,再利用可视化编程语言调用该组件,进而形成IVCRMS,通过一个客户价值细分的实例分析说明了IVCRMS设计和实现的过程.
- 朱帮助林超斌
- 关键词：可视化编程人工智能客户价值细分
- 基于自组织模糊规则归纳的电子商务客户流失预测被引量：2
- 2010年
- 为提高客户流失预测的精度,构建了基于自组织模糊规则归纳算法FRI(Fuzzy Rule Induction)的电子商务客户流失预测模型。该模型利用数据分组处理技术GMDH(Group method data handling)从训练样本中自动地提取接近于人类自然语言描述的电子商务客户流失模糊规则,进而对测试样本客户流失状态进行判别。采用某网上商场的1500名客户样本进行电子商务客户流失预测实证研究,结果表明,该方法对测试样本预测精度达到了90%以上,是一种有效和实用的电子商务客户流失预测工具。
- 张秋菊朱帮助
- 关键词：客户流失预测电子商务
- 基于OSA算法和GMDH网络集成的电子商务客户流失预测被引量：15
- 2011年
- 电子商务客户流失预测是一种典型的高维、非线性、数据不平衡问题,传统的方法已很难提高其预测精度。本文将自组织数据挖掘方法(SODM)引入电子商务客户流失预测,提出一种基于客观系统分析(OSA)和数据分组处理(GMDH)网络集成的电子商务客户流失预测模型。首先利用OSA算法自动选择出重要的电子商务客户流失关键属性,然后将训练样本送入GMDH网络进行学习与训练,进而对测试样本客户流失状态进行预测。为了提高预测精度,本文还利用向上采样法进行数据平衡化,使得流失类和非流失类客户数量大致相等。应用该模型对某网上商场客户流失状态进行预测,并将预测结果与神经网络、SVM等方法得到的结果进行了比较,验证了该模型的有效性及实用性。
- 朱帮助张秋菊邹昊飞魏一鸣
- 关键词：自组织数据挖掘客户流失预测电子商务
- 电子商务客户流失三阶段预测模型被引量：11
- 2010年
- 采用某网上商场的2525名客户样本,构建了基于SMC和最小二乘支持向量机(LSSVM)的电子商务客户流失三阶段预测模型。首先应用SMC模型计算出客户活跃度,以0.5为阈值判断出客户流失状态,识别出正判客户和错判客户;其次将训练样本送入LSSVM进行训练和学习,进而对测试样本的客户流失状态进行判别,然后将误判客户样本输入最近邻分类器进行再判断。结果表明,与SMC模型、BP神经网络模型、LSSVM模型相比,三阶段模型对测试样本预测精度更高,是一种更有效和实用的分类方法,可为电子商务企业客户关系管理提供一个新的方法。
- 朱帮助张秋菊
- 关键词：SMC最小二乘支持向量机最近邻法
- 基于自组织数据挖掘的电子商务客户流失预测模型被引量：12
- 2011年
- 为解决电子商务客户流失预测中的高维、非线性问题,本文将自组织数据挖掘理论(SODM)引入客户流失预测,提出一种新颖的基于自组织数据挖掘的电子商务客户流失预测模型。该方法将自组织数据挖掘中的客观系统分析算法(OSA)和改进分组数据处理网络(GMDH)集成起来进行电子商务客户流失预测。首先利用OSA算法选择出重要的电子商务客户流失关键属性,然后将训练样本送入改进GMDH网络进行学习和训练,进而对测试样本客户流失状态进行判别。将该方法应用于某网上商店客户流失预测实证分析,预测结果验证了该方法对包含多种因素影响的电子商务客户流失预测具有优势,基于自组织数据挖掘的电子商务客户流失预测模型具有较强的实用性和可操作性。
- 张秋菊朱帮助
- 关键词：客户流失预测自组织数据挖掘电子商务
