首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信网论文--一般性问题论文

基于Spark平台的通信网用户流失预测研究

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

论文共69页,点击 下载论文
上一篇:电磁场轨道角动量用于近场目标探测的可行性研究
下一篇:基于排队模型的时延容忍网络性能分析与优化