移动通讯流量业务预测模型研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 数据挖掘研究的现状 | 第12-14页 |
| 1.2.2 电信行业应用研究的现状 | 第14-15页 |
| 1.2.3 数据挖掘在运营商业务研究的现状 | 第15-16页 |
| 1.3 研究目的和内容 | 第16-17页 |
| 1.3.1 本文研究的目标 | 第16页 |
| 1.3.2 本文研究的内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 流量业务组合预测的问题分析 | 第19-25页 |
| 2.1 需求理解 | 第19页 |
| 2.2 问题分析 | 第19-25页 |
| 2.2.1 流量业务相关数据 | 第19-20页 |
| 2.2.2 客户细分 | 第20-22页 |
| 2.2.3 流量业务组合产生 | 第22-23页 |
| 2.2.4 流量业务组合意愿预测 | 第23-25页 |
| 第三章 通讯行业客户细分与标签体系 | 第25-44页 |
| 3.1 电信业务数据采集 | 第25页 |
| 3.2 数据预处理 | 第25-34页 |
| 3.2.1 样本数据的清洗与质量检查 | 第26-28页 |
| 3.2.2 样本数据的集成与转换 | 第28-32页 |
| 3.2.3 样本数据规约 | 第32-34页 |
| 3.3 通讯行业客户细分 | 第34-38页 |
| 3.3.1 客户细分理论 | 第34-35页 |
| 3.3.2 通讯行业客户细分 | 第35-37页 |
| 3.3.3 细分群体稳定性验证 | 第37-38页 |
| 3.4 基于RFM模型设计的标签体系 | 第38-44页 |
| 3.4.1 客户标签体系构建分析 | 第38页 |
| 3.4.2 基于RFM模型的维度 | 第38-39页 |
| 3.4.3 基于RFM模型的变量生成 | 第39-42页 |
| 3.4.4 标签体系生成 | 第42-44页 |
| 第四章 移动通讯流量业务组合规则提取 | 第44-55页 |
| 4.1 关联规则基本概念 | 第44-45页 |
| 4.2 流量业务组合挖掘过程 | 第45页 |
| 4.3 数据预处理 | 第45-47页 |
| 4.3.1 输入数据源准备 | 第45-46页 |
| 4.3.2 数据预处理 | 第46-47页 |
| 4.4 流量业务组合规则挖掘 | 第47-50页 |
| 4.4.1 规则挖掘 | 第47-48页 |
| 4.4.2 结果展示与解释 | 第48-50页 |
| 4.5 业务组合规则评估与提取 | 第50-55页 |
| 4.5.1 业务组合规则评估 | 第50-53页 |
| 4.5.2 业务组合规则提取 | 第53-55页 |
| 第五章 移动通讯流量业务组合预测与应用 | 第55-82页 |
| 5.1 流量业务组合预测挖掘过程 | 第55页 |
| 5.2 数据预处理 | 第55-56页 |
| 5.2.1 输入数据源准备 | 第55页 |
| 5.2.2 数据预处理 | 第55页 |
| 5.2.3 建模目标 | 第55-56页 |
| 5.2.4 训练样本和测试样本 | 第56页 |
| 5.3 搭建流量业务组合分类预测模型 | 第56-76页 |
| 5.3.1 基于逻辑回归的预测模型 | 第56-66页 |
| 5.3.2 基于决策树的分类模型 | 第66-71页 |
| 5.3.3 基于BP神经网络的预测模型 | 第71-76页 |
| 5.4 模型效果评估与性能分析 | 第76-82页 |
| 5.4.1 效果评估与性能分析指标 | 第76-77页 |
| 5.4.2 模型效果评估 | 第77-79页 |
| 5.4.3 模型性能稳定性分析 | 第79-82页 |
| 第六章 总结和建议 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 局限和展望 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |
