基于数据挖掘的电信LTE用户上网数据的用户流失算法研究
| 摘要 | 第1-7页 |
| abstract | 第7-12页 |
| 第1章 绪论 | 第12-17页 |
| ·课题背景及意义 | 第12-13页 |
| ·电信行业的发展背景 | 第12页 |
| ·数据挖掘的诞生 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·数据挖掘技术研究现状 | 第13-14页 |
| ·数据挖掘在用户流失领域的研究现状 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| ·主要研究目标 | 第15页 |
| ·主要研究方法 | 第15-16页 |
| ·主要创新点 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第2章 LTE网络技术与数据挖掘基础知识 | 第17-24页 |
| ·LTE网络技术概述 | 第17-21页 |
| ·网络架构 | 第17-18页 |
| ·LTE网络演进 | 第18-19页 |
| ·LTE网络业务 | 第19-21页 |
| ·用户流失 | 第21-22页 |
| ·用户流失的定义 | 第21页 |
| ·用户流失的原因 | 第21-22页 |
| ·基于用户流失的数据挖掘 | 第22-23页 |
| ·数据挖掘技术的产生 | 第22页 |
| ·数据挖掘技术分类 | 第22-23页 |
| ·数据挖掘的基本过程 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 电信数据采集与预处理 | 第24-36页 |
| ·数据采集 | 第24-31页 |
| ·大数据平台介绍 | 第24页 |
| ·数据采集规模预估 | 第24-25页 |
| ·数据采集格式 | 第25-26页 |
| ·数据提取 | 第26-27页 |
| ·数据统计 | 第27-31页 |
| ·数据预处理 | 第31-35页 |
| ·数据选择抽样 | 第31-32页 |
| ·数据预处理 | 第32-34页 |
| ·数据归一化 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 聚类分析 | 第36-47页 |
| ·K-Means算法 | 第36-40页 |
| ·算法简介 | 第36-38页 |
| ·聚类结果及分析 | 第38-40页 |
| ·FCM算法 | 第40-45页 |
| ·算法简介 | 第40-41页 |
| ·聚类结果及分析 | 第41-45页 |
| ·两种不同聚类算法对比分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 用户流失分析预警算法研究 | 第47-63页 |
| ·贝叶斯分类算法 | 第47-49页 |
| ·贝叶斯分类算法简介 | 第47页 |
| ·常用贝叶斯分类算法 | 第47-48页 |
| ·朴素贝叶斯算法分析用户流失问题 | 第48-49页 |
| ·人工神经网络算法 | 第49-54页 |
| ·人工神经网络算法简介 | 第49-50页 |
| ·常用人工神经网络算法 | 第50-53页 |
| ·BP神经网络算法分析用户流失问题 | 第53-54页 |
| ·决策树算法 | 第54-58页 |
| ·决策树算法简介 | 第54-55页 |
| ·常用决策树算法 | 第55-56页 |
| ·C4.5算法分析用户流失问题 | 第56-58页 |
| ·三种常用算法的模型评价与比较 | 第58-61页 |
| ·模型评价 | 第58-60页 |
| ·模型比较 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 结论和展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 硕士期间发表论文 | 第70页 |
