| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究的背景和意义 | 第12-13页 |
| ·研究背景 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·研究现状及存在问题 | 第13-15页 |
| ·研究现状 | 第13-14页 |
| ·存在问题 | 第14-15页 |
| ·论文的研究思路和结构 | 第15-16页 |
| 第二章 支持向量机理论 | 第16-29页 |
| ·机器学习 | 第16-17页 |
| ·机器学习的发展 | 第16-17页 |
| ·学习问题的表示 | 第17页 |
| ·有限样本的预测学习方法简介 | 第17-21页 |
| ·传统的统计预测方法 | 第17页 |
| ·经验非线性预测方法 | 第17-18页 |
| ·统计学习理论 | 第18-21页 |
| ·支持向量机原理 | 第21-26页 |
| ·支持向量机基本方法 | 第21-24页 |
| ·支持向量机的说明 | 第24-25页 |
| ·各种变形的支持向量机算法 | 第25-26页 |
| ·支持向量机多类分类问题 | 第26-29页 |
| ·解决n 类问题的直接方法 | 第26页 |
| ·通过组合多个二值分类器来构造多类分类器 | 第26-29页 |
| 第三章 基于支持向量机的移动通信业客户流失预测模型 | 第29-46页 |
| ·移动通信业客户流失预测影响因素分析 | 第29-31页 |
| ·移动通信业客户流失原因分析 | 第29-30页 |
| ·移动通信业客户数据特点分析 | 第30-31页 |
| ·移动通信业客户流失预测问题分析 | 第31页 |
| ·移动通信业流失客户预测模型的建立 | 第31-46页 |
| ·数据与指标的选择 | 第33-34页 |
| ·数据预处理 | 第34-37页 |
| ·CW-SVM+DAG-SVM 方案 | 第37-41页 |
| ·核函数的选择 | 第41页 |
| ·参数的选择 | 第41-43页 |
| ·用模型进行预测 | 第43页 |
| ·预测结果的评价 | 第43-46页 |
| 第四章 实验及比较分析 | 第46-55页 |
| ·实验数据选择 | 第46页 |
| ·实验数据预处理 | 第46-49页 |
| ·主成分分析 | 第46-49页 |
| ·数据格式转化 | 第49页 |
| ·实验比较分析 | 第49-55页 |
| 第五章 总结和展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |