摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
主要符号对照表 | 第14-15页 |
第一章 绪论 | 第15-21页 |
1.1 研究背景及动机 | 第15-16页 |
1.2 国内外研究状况 | 第16-18页 |
1.3 本文研究内容和贡献 | 第18-19页 |
1.4 本文的组织结构 | 第19-21页 |
第二章 用户流失预测的相关工具和理论 | 第21-35页 |
2.1 Spark大数据处理框架 | 第21-24页 |
2.1.1 Spark简介 | 第21-22页 |
2.1.2 Spark核心组件简介 | 第22-24页 |
2.2 人工神经网络 | 第24-28页 |
2.2.1 前向传播 | 第25-26页 |
2.2.2 后向传播 | 第26-28页 |
2.3 数据结构——图 | 第28-29页 |
2.3.1 图的定义及其存储结构 | 第28页 |
2.3.2 图的遍历 | 第28-29页 |
2.4 不平衡分类的处理方法和评价指标 | 第29-32页 |
2.4.1 不平衡数据集的处理方法 | 第29-31页 |
2.4.2 不平衡分类的评价指标 | 第31-32页 |
2.5 特征选择 | 第32-34页 |
2.5.1 熵和条件熵 | 第32-33页 |
2.5.2 信息增益和信息增益率 | 第33-34页 |
2.5.3 基尼指数 | 第34页 |
2.6 小结 | 第34-35页 |
第三章 基于Spark的Mini-Batch BP神经网络分布式算法 | 第35-45页 |
3.1 Mini-Batch BP神经网络分布式算法 | 第35-37页 |
3.2 数据集和软硬件环境 | 第37-38页 |
3.2.1 数据集 | 第37-38页 |
3.2.2 软硬件环境 | 第38页 |
3.3 实验 | 第38-42页 |
3.3.1 加速比比较 | 第38-40页 |
3.3.2 训练时间比较 | 第40-42页 |
3.3.3 预测准确率比较 | 第42页 |
3.4 小结 | 第42-45页 |
第四章 通信网用户流失预测 | 第45-57页 |
4.1 用户流失预测模型 | 第45-46页 |
4.1.1 通信网用户流失问题描述 | 第45-46页 |
4.1.2 用户流失预测特征的选取 | 第46页 |
4.2 激活扩散算法 | 第46-49页 |
4.3 数据集 | 第49-51页 |
4.3.1 数据集基本情况 | 第49页 |
4.3.2 特征提取及其归一化 | 第49-51页 |
4.4 实验结果及其分析 | 第51-54页 |
4.4.1 实验结果 | 第51-52页 |
4.4.2 实验结果分析 | 第52-54页 |
4.5 基于Mini-Batch BP和用户相关性特征的用户流失预测模型 | 第54-56页 |
4.6 小结 | 第56-57页 |
第五章 总结与展望 | 第57-61页 |
5.1 总结 | 第57-58页 |
5.2 下一步工作 | 第58-61页 |
参考文献 | 第61-65页 |
攻读硕士学位期间的研究成果 | 第65-67页 |
攻读硕士学位期间的项目经历 | 第67-69页 |
致谢 | 第69页 |