基于粗糙集和SVM的PLC用户动态评估技术
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究理论综述 | 第10-16页 |
| ·客户价值监测与驱动分析 | 第10-13页 |
| ·传统客户分类方法 | 第13-14页 |
| ·客户评估模型 | 第14-16页 |
| ·研究意义 | 第16-17页 |
| ·论文主要内容 | 第17-18页 |
| 2 客户价值动态监测 | 第18-34页 |
| ·客户评价指标设计 | 第18-21页 |
| ·基本假设 | 第18页 |
| ·评价指标选择 | 第18-21页 |
| ·指标权重确定 | 第21-29页 |
| ·层次分析法实施步骤 | 第21-24页 |
| ·层次分析法改进 | 第24-28页 |
| ·指标权重计算 | 第28-29页 |
| ·客户价值动态评估 | 第29-33页 |
| ·数据源获取与处理 | 第30-32页 |
| ·客户价值计算 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 粗糙集数据预处理 | 第34-46页 |
| ·粗糙集理论 | 第34-36页 |
| ·连续属性离散化 | 第36-41页 |
| ·一般离散化方法 | 第36-37页 |
| ·粗糙集离散化问题描述 | 第37页 |
| ·基于粗糙集的离散化 | 第37-41页 |
| ·粗糙集属性约简 | 第41-45页 |
| ·常用的属性约简方法 | 第41-42页 |
| ·基于进化算法的属性约简 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 4 支持向量机客户分类 | 第46-62页 |
| ·统计学习理论 | 第46-49页 |
| ·支持向量机原理 | 第49-55页 |
| ·线性判别函数与超平面 | 第49-50页 |
| ·最优分类面 | 第50-52页 |
| ·支持向量分类机 | 第52-53页 |
| ·SVM特点及多值分类 | 第53-55页 |
| ·RS-SVM客户分类器 | 第55-61页 |
| ·模型构建 | 第55页 |
| ·样本数据标准化 | 第55-56页 |
| ·核函数选择 | 第56-57页 |
| ·训练参数优化 | 第57-61页 |
| ·测试与结果分析 | 第61页 |
| ·本章小结 | 第61-62页 |
| 5 RS-SVM客户分类模型应用实例 | 第62-74页 |
| ·整体架构 | 第62页 |
| ·体系结构与实现技术 | 第62-66页 |
| ·软件层次与程序结构 | 第62-64页 |
| ·关键技术运用 | 第64-66页 |
| ·功能实现 | 第66-73页 |
| ·系统功能框图 | 第66页 |
| ·数据库设计 | 第66-68页 |
| ·类库设计 | 第68-71页 |
| ·运行实例 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表学术论文情况 | 第79-80页 |
| 致谢 | 第80-81页 |
