| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景及研究意义 | 第11-14页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·目前研究中存在的问题 | 第16-17页 |
| ·本文研究目标、思路和内容 | 第17-20页 |
| ·研究目标 | 第17页 |
| ·研究思路 | 第17页 |
| ·研究内容 | 第17-18页 |
| ·创新点 | 第18-20页 |
| 第2章 相关理论基础 | 第20-37页 |
| ·客户流失理论概述 | 第20-25页 |
| ·客户流失概念的基本内涵 | 第20-21页 |
| ·客户流失的类型 | 第21-23页 |
| ·客户流失风险的特征 | 第23-25页 |
| ·预警管理理论 | 第25-28页 |
| ·预警管理概述 | 第25页 |
| ·预警管理的内容 | 第25-28页 |
| ·粗糙集理论概述 | 第28-31页 |
| ·粗糙集理论简介 | 第28-29页 |
| ·粗糙集理论特点 | 第29-30页 |
| ·属性约简的基本理论 | 第30-31页 |
| ·人工神经网络理论 | 第31-36页 |
| ·人工神经网络简介 | 第31-32页 |
| ·BP 神经网络介绍 | 第32-33页 |
| ·BP 神经网络理论概述 | 第33-35页 |
| ·BP 神经网络模型的可行性 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 电信企业客户流失风险预警指标体系的建立 | 第37-44页 |
| ·电信企业客户流失原因分析 | 第37-38页 |
| ·影响客户流失的因素 | 第38-39页 |
| ·客户流失风险预警指标构建原则 | 第39-41页 |
| ·客户流失风险预警指标的构建方法 | 第41页 |
| ·客户流失风险预警指标体系的构建 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于粗糙集—BP 神经网络客户流失风险预警模型构建 | 第44-56页 |
| ·粗糙集在本文中的应用 | 第44-46页 |
| ·决策表 | 第44页 |
| ·决策表的属性约减 | 第44-46页 |
| ·连续属性离散化 | 第46页 |
| ·客户流失风险预警指标的属性约简 | 第46-48页 |
| ·BP 神经网络的学习算法及流程 | 第48-50页 |
| ·BP 神经网络的构建思路 | 第50-52页 |
| ·BP 神经网络模型构建分析 | 第50-51页 |
| ·BP 神经网络模型构建步骤 | 第51-52页 |
| ·客户流失风险预警模型的 MATLAB 实现 | 第52-55页 |
| ·MATLAB 简介 | 第52-53页 |
| ·MATLAB 工具箱及其应用过程 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 电信企业客户流失风险的实证研究 | 第56-64页 |
| ·M 公司概况 | 第56-57页 |
| ·BP 神经网络模型结构确定 | 第57-58页 |
| ·BP 神经网络模型的实证应用 | 第58-62页 |
| ·数据的收集与处理 | 第58-59页 |
| ·样本学习 | 第59-60页 |
| ·网络训练与仿真 | 第60-62页 |
| ·实例分析 | 第62页 |
| ·模型实施 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 减少客户流失的相关对策与经营方案 | 第64-69页 |
| ·客户流失风险预警警度的表示与输出 | 第64页 |
| ·预警对策与措施 | 第64-67页 |
| ·较小风险等级的预警对策 | 第65页 |
| ·一般风险等级的预警对策 | 第65-66页 |
| ·较大风险等级的预警对策 | 第66页 |
| ·极大风险等级的预警对策 | 第66-67页 |
| ·客户经营方案 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |