公共文化服务平台

基于模糊测度KNN的多维度数据分类算法被引量：1: 2010年; k-近邻(KNN)算法具有直观、无需先验统计知识、无监督学习等优点。多维度数据存在边界模糊性,这导致集合元素隶属关系的不确定,传统KNN算法不能有效地进行分类。本文提出利用模糊测度加强不确定性特征信息的量化,建立基于模糊测度的k近邻分类算法(FM-KNN)。先通过构建证据理论(Dempster-Shafer Theory)模糊测度函数,解决证据理论非单调性等问题;再利用证据模糊测度对多维度属性的不确定信息进行量化计算,通过支持信度确定样本分类规则。通过对比实验表明,在多维度样本数据分类方面FM-KNN算法比其他KNN分类算法有着更好的效果。; 邓斌邵培基刘名武夏国恩; 关键词：K近邻证据理论

基于竞争对手反击的电信客户流失挽留研究被引量：11: 2011年; 首先分析了挽留激励、竞争反击、自然衰减和口碑传播这4种效应对客户保持率产生影响的动力学模型,并得到了客户保持率在客户挽留周期中的演进路径;接着定义了挽留激励系数、竞争反击系数、自然衰减系数和口碑影响系数来具体刻画这4种效应的作用力.然后基于客户保持率的演进路径得到了客户挽留周期计算模型,分别基于竞争对手反击效应存在性的不同情况建立了3类客户挽留价值计算模型.最后基于客户挽留价值和挽留成本建立了客户流失挽留评估模型,基于挽留重要性指标建立了客户挽留顺序选择模型.实验结果表明所提出的客户流失挽留方法是可行且有效的.; 罗彬邵培基罗尽尧刘独玉夏国恩

基于因子分析的广西区各城市综合经济实力评价被引量：36: 2009年; 基于因子分析方法研究了广西区各城市的综合经济实力问题,并提出了反映城市综合经济实力的9项指标。研究结果反映了各个城市的经济发展的差异和不平衡,为广西地区经济的发展提供了参考。; 夏国恩兰政海; 关键词：指标体系

基于简易支持向量机的客户流失预测研究被引量：4: 2010年; 应用简易支持向量机(SSVM)进行客户流失预测,以提高机器学习方法的预测能力。以国外电信公司客户流失预测为实例,与最近邻算法(NPA)进行了对比,发现该方法在获得与NPA近似准确率的条件下,所花费的时间和时间增加值远小于NPA,是研究客户流失预测问题的有效方法。; 夏国恩; 关键词：客户流失

基于满意属性选择的客户流失预测被引量：5: 2010年; 针对已有属性选择方法较少考虑属性获取代价和属性集维数的自动确定问题,提出一种满意属性选择方法(SA SM),将样本分类性能、属性集维数和属性提取复杂性等多种因素综合考虑。给出了属性满意度和属性集满意度定义,设计出满意度函数,导出满意属性集评价准则,详细描述了属性选择算法。对某电信公司客户流失预测的实证结果显示,SA SM获得的命中率、覆盖率、准确率和提升系数高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法。证实了SA SM的有效性和实用性。; 夏国恩; 关键词：客户流失

基于最大熵的延迟启动/关闭N策略M/G/1可修排队稳态队长分布被引量：1: 2010年; 研究具有延迟启动-关闭的N策略M/G/1可修排队系统,利用最大熵方法导出稳态队长分布的解析解,进一步得到基于最大熵的顾客平均等待时间.通过比较顾客的平均等待时间来检验最大熵方法的精度,结果表明基于最大熵方法得到的稳态队长分布是相当精确的.; 赵丹邓斌; 关键词：N策略最大熵队长分布

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究被引量：3: 2010年; 针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。; 罗彬邵培基罗尽尧刘独玉夏国恩; 关键词：客户流失自组织神经网络粗糙集理论蚁群算法分类器集成

改进的支持向量分类机在客户流失预测中的应用被引量：10: 2009年; 针对目前客户流失预测方法的不足,在利用训练样本中不同类个数比值来确定各类惩罚参数的基础上,改进标准的C-支持向量分类机(SVC)。通过以美国某电信公司客户流失预测为实例,与标准C-SVC、人工神经网络、决策树、贝叶斯分类器等方法进行了对比,发现该方法能获得较好的正确率、命中率、覆盖率和提升系数,是研究客户流失预测问题的有效方法。; 夏国恩邵培基; 关键词：客户流失支持向量分类机电信业

基于多分类器动态集成的电信客户流失预测被引量：7: 2010年; 本文提出了一种新的基于多分类器动态选择与优化集成的电信客户流失预测集成模型.首先使用K均值聚类算法对训练集样本进行分区;然后分别使用Naive-Bayes算法、多层感知机算法和J48算法构建各分区客户流失预测子分类器;最后对各分区子分类器进行线性集成,并使用人工蜂群算法优化其集成权重.当测试样本由聚类算法判断出其归属区域后,再分别使用分区子分类器进行预测,最后使用优化权重进行线性集成.实验结果表明:动态集成模型优于单模型;基于人工蜂群算法优化集成模型优于其它集成模型.; 罗彬邵培基罗尽尧刘独玉夏国恩; 关键词：客户流失预测人工蜂群算法

创新客户流失预测模型结构被引量：1: 2009年; 据估计电信业平均每月客户流失率约为2.2%,客户损失不仅会因为减少销售而产生机会成本,而且会导致所吸引的新客户相对减少,而赢得一个新客户所花费的成本约为300～600美元,这大约是保留一个老客户所花费成本的5～6倍。; 夏国恩唐婵娟; 关键词：客户流失特征提取

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

教育部人文社会科学研究基金(08JC630019)