基于神经网络的客户离网预警管理研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·电信行业目前面临的市场挑战 | 第8页 |
| ·电信行业实施客户离网预警管理的必要性 | 第8-9页 |
| ·目前国内外电信行业客户离网预警管理研究的现状 | 第9-12页 |
| ·大陆地区 | 第9-10页 |
| ·港澳台地区 | 第10-12页 |
| ·其他发达国家情况 | 第12页 |
| ·本论文研究的目的和范围 | 第12-13页 |
| ·本章小节 | 第13-14页 |
| 2 数据挖掘与神经网络理论基础 | 第14-32页 |
| ·数据挖掘简介 | 第14-17页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘的发展历史和现状 | 第15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·数据挖掘步骤 | 第16-17页 |
| ·数据挖掘的商业应用 | 第17页 |
| ·神经网络理论基础 | 第17-23页 |
| ·神经网络的发展历程和前沿 | 第23-24页 |
| ·神经网络发展史 | 第23页 |
| ·神经网络发展前沿 | 第23-24页 |
| ·神经网络的典型模型 | 第24-26页 |
| ·BP神经网络建模与训练 | 第26-30页 |
| ·BP神经网络介绍 | 第26页 |
| ·BP神经网络数学描述 | 第26-29页 |
| ·BP神经网络的训练过程 | 第29-30页 |
| ·BP神经网络算法的改进 | 第30页 |
| ·BP神经网络模型的使用 | 第30-31页 |
| ·本章小节 | 第31-32页 |
| 3 基于神经网络的离网预警模型 | 第32-39页 |
| ·离网预警模型建立 | 第32-33页 |
| ·离网预警模型数据准备 | 第33-35页 |
| ·数据清洗与选择 | 第33-34页 |
| ·数据预处理 | 第34-35页 |
| ·离网预警模型特征输入编码 | 第35-37页 |
| ·数值数据的编码 | 第35-37页 |
| ·符号数据的编码 | 第37页 |
| ·数据编码对训练时间的影响 | 第37页 |
| ·离网预警模型的训练和使用 | 第37-38页 |
| ·本章小节 | 第38-39页 |
| 4 基于神经网络的离网预警的数据处理与接入技术 | 第39-42页 |
| ·数据处理技术相关研究 | 第39-40页 |
| ·AVL树的概念 | 第39页 |
| ·平衡化旋转 | 第39-40页 |
| ·AVL树的插入 | 第40页 |
| ·AVL树的高度 | 第40页 |
| ·接入体系架构软件设计 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 5 基于神经网络的大客户离网预警管理系统实现 | 第42-51页 |
| ·项目建设背景 | 第42页 |
| ·系统需求概述 | 第42页 |
| ·系统体系架构设计与软件设计 | 第42-48页 |
| ·特征值选取 | 第42-44页 |
| ·系统体系架构 | 第44-45页 |
| ·数据处理过程 | 第45页 |
| ·核心分析模型 | 第45-47页 |
| ·接入方式设计 | 第47-48页 |
| ·系统运行实例 | 第48-49页 |
| ·作者在项目中的主要工作以及系统的应用效果 | 第49-50页 |
| ·本章小节 | 第50-51页 |
| 6 结论与展望 | 第51-52页 |
| 致 谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
