基于数据挖掘技术的电信客户流失预测模型的研究与应用
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·研究背景和意义 | 第7-9页 |
| ·国内外应用和研究现状 | 第9-11页 |
| ·本文工作 | 第11页 |
| ·本文结构 | 第11-13页 |
| 第二章 数据挖掘及其相关理论 | 第13-23页 |
| ·数据挖掘的定义 | 第13页 |
| ·数据挖掘的产生和发展 | 第13-15页 |
| ·数据挖掘的任务 | 第15-16页 |
| ·数据挖掘的过程 | 第16-19页 |
| ·CRISP-DM数据挖掘过程模型的产生 | 第17页 |
| ·CRISP-DM数据挖掘过程参考模型 | 第17-19页 |
| ·与电信客户流失分析有关的数据挖掘方法 | 第19-22页 |
| ·数据挖掘在电信行业客户关系管理中的应用 | 第22-23页 |
| 第三章 基于粗糙集理论的属性约简和改进 | 第23-37页 |
| ·粗糙集理论概述 | 第23-29页 |
| ·粗糙集的基本概念 | 第23-26页 |
| ·属性约简的有关概念 | 第26-27页 |
| ·属性约简方法介绍 | 第27-29页 |
| ·改进的属性约简算法 | 第29-37页 |
| ·类特征矩阵概念及相关性质 | 第30-31页 |
| ·基于类特征矩阵的属性约简算法 | 第31-34页 |
| ·算法应用实例 | 第34-35页 |
| ·比较分析与实验结果 | 第35-37页 |
| 第四章 属性约简和神经网络相结合的预测模型 | 第37-53页 |
| ·相关理论和算法概述 | 第37-45页 |
| ·人工神经网络 | 第37-41页 |
| ·BP 神经网络 | 第41-45页 |
| ·BP 神经网络学习模型的设计与改进 | 第45-50页 |
| ·BP 神经网络模型的结构设计 | 第45-46页 |
| ·BP 神经网络初始参数的选择 | 第46页 |
| ·BP 网络模型的改进 | 第46-48页 |
| ·改进结果评价 | 第48-50页 |
| ·预测模型的构建 | 第50-53页 |
| ·模型构建的思想 | 第51页 |
| ·模型预测过程的描述 | 第51-53页 |
| 第五章 电信客户流失预测模型的建立 | 第53-66页 |
| ·商业理解 | 第53-54页 |
| ·数据理解 | 第54-57页 |
| ·确定相关数据 | 第54页 |
| ·数据描述 | 第54-57页 |
| ·数据准备 | 第57-62页 |
| ·数据选择 | 第58-61页 |
| ·数据清洗 | 第61页 |
| ·数据变换 | 第61-62页 |
| ·建立模型 | 第62-63页 |
| ·模型评估 | 第63-66页 |
| ·实验分析 | 第63-64页 |
| ·模型评价标准 | 第64页 |
| ·模型评估结果 | 第64-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间公开发表论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-74页 |
