电信社会网络离网用户预测及分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究内容 | 第10-12页 |
| 1.2.1 基于时序变化的远期离网用户预测 | 第10-11页 |
| 1.2.2 基于社交相似性的重入网用户识别 | 第11-12页 |
| 1.2.3 电信社会网络离网用户预测及分析系统 | 第12页 |
| 1.3 研究成果及意义 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 电信离网预测及其相关技术 | 第15-25页 |
| 2.1 电信离网预测研究现状 | 第15-16页 |
| 2.2 重入网用户识别研究现状 | 第16-17页 |
| 2.3 相关数据挖掘技术 | 第17-23页 |
| 2.3.1 分类算法 | 第17-22页 |
| 2.3.2 聚类算法 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于时间序列的远期离网预测 | 第25-43页 |
| 3.1 电信数据准备 | 第25-28页 |
| 3.1.1 数据集简介 | 第25-26页 |
| 3.1.2 数据预处理 | 第26-27页 |
| 3.1.3 目标用户提取 | 第27页 |
| 3.1.4 特征提取 | 第27-28页 |
| 3.2 基于时间序列的用户特征分析 | 第28-30页 |
| 3.2.1 单变量时间序列构建 | 第28页 |
| 3.2.2 单变量时间序列聚类 | 第28-30页 |
| 3.3 基于时间序列的远期离网预测模型 | 第30-42页 |
| 3.3.1 远期离网预测混合模型 | 第30-31页 |
| 3.3.2 多变量时间序列矩阵构建 | 第31-32页 |
| 3.3.3 基于时间序列聚类的预测模型 | 第32-34页 |
| 3.3.4 基于PCA降维的预测模型 | 第34-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 离网用户分析与重入网用户识别 | 第43-55页 |
| 4.1 离网用户分析 | 第43-48页 |
| 4.1.1 特征重要性分析方法 | 第43-44页 |
| 4.1.2 离网影响因素分析 | 第44-47页 |
| 4.1.3 重入网用户概述 | 第47-48页 |
| 4.2 基于社交相似性的重入网用户识别 | 第48-50页 |
| 4.2.1 基于局部信息的相似性指标 | 第48-49页 |
| 4.2.2 基于社交相似的重入网用户识别 | 第49页 |
| 4.2.3 基于多维社交圈的优化模型 | 第49-50页 |
| 4.3 实验验证 | 第50-53页 |
| 4.3.1 训练集构造 | 第50-51页 |
| 4.3.2 特征提取 | 第51页 |
| 4.3.3 模型实现 | 第51-52页 |
| 4.3.4 实验结果对比 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 电信远期离网预测及分析系统 | 第55-63页 |
| 5.1 离网预测系统需求 | 第55-56页 |
| 5.2 离网预测系统设计与实现 | 第56-60页 |
| 5.2.1 系统架构 | 第56页 |
| 5.2.2 数据源 | 第56页 |
| 5.2.3 数据存储层 | 第56-57页 |
| 5.2.4 平台计算层 | 第57页 |
| 5.2.5 应用功能层 | 第57-60页 |
| 5.2.5.1 远期离网预测 | 第57-59页 |
| 5.2.5.2 重入网用户识别 | 第59-60页 |
| 5.3 程序脚本设计 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
