基于数据挖掘的移动网络投诉预测方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景、目的及意义 | 第9-11页 |
| 1.2.1 课题研究背景 | 第9-10页 |
| 1.2.2 课题研究目的及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 主要研究内容和论文结构 | 第12-15页 |
| 1.4.1 主要研究内容 | 第12-13页 |
| 1.4.2 论文结构 | 第13-14页 |
| 1.4.3 文章技术路线 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 2 数据挖掘技术 | 第17-27页 |
| 2.1 数据挖掘概述 | 第17-18页 |
| 2.2 数据挖掘流程 | 第18-19页 |
| 2.3 数据挖掘功能 | 第19-21页 |
| 2.4 数据挖掘相关算法简介 | 第21-24页 |
| 2.4.1 决策树算法 | 第21-22页 |
| 2.4.2 神经网络算法 | 第22-23页 |
| 2.4.3 关联规则算法 | 第23页 |
| 2.4.4 K均值算法 | 第23-24页 |
| 2.5 数据挖掘在通信领域的应用 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 移动网络中投诉与性能、告警数据分析 | 第27-43页 |
| 3.1 数据来源及介绍 | 第27-29页 |
| 3.1.1 投诉数据 | 第27页 |
| 3.1.2 性能数据 | 第27-28页 |
| 3.1.3 告警数据 | 第28-29页 |
| 3.2 投诉分析 | 第29-34页 |
| 3.2.1 投诉时间分布 | 第29-31页 |
| 3.2.2 投诉区域分布 | 第31-32页 |
| 3.2.3 投诉业务类型等级分布 | 第32-34页 |
| 3.3 投诉与性能、告警数据的相关性分析 | 第34-41页 |
| 3.3.1 相关性分析方法简介 | 第34-36页 |
| 3.3.2 投诉与其他数据的相关性分析 | 第36-37页 |
| 3.3.3 投诉与其他数据的相关性结果分析 | 第37-41页 |
| 3.4 本章小结 | 第41-43页 |
| 4 基于数据挖掘的移动网络突发投诉研究 | 第43-65页 |
| 4.1 突发投诉定义 | 第43-44页 |
| 4.2 系统框架 | 第44-45页 |
| 4.3 数据预处理 | 第45-46页 |
| 4.3.1 特征提取 | 第45页 |
| 4.3.2 数据清洗 | 第45页 |
| 4.3.3 特征-预测矩阵生成 | 第45-46页 |
| 4.4 模型搭建 | 第46-51页 |
| 4.4.1 归一化 | 第47页 |
| 4.4.2 重采样 | 第47-48页 |
| 4.4.3 随机森林算法 | 第48-50页 |
| 4.4.4 K重交叉验证 | 第50-51页 |
| 4.5 预测结果分析 | 第51-63页 |
| 4.5.1 评估标准 | 第51-52页 |
| 4.5.2 预测数据集说明 | 第52-54页 |
| 4.5.3 特征时间窗参数 | 第54-56页 |
| 4.5.4 预测时间窗参数 | 第56-57页 |
| 4.5.5 重采样率 | 第57-58页 |
| 4.5.6 随机森林算法 | 第58-63页 |
| 4.6 本章小结 | 第63-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 附录 | 第75页 |
| A. 作者在攻读学位期间发表的论文目录 | 第75页 |
| B. 作者在攻读学位期间申请的专利目录 | 第75页 |
| C. 作者在攻读学位期间参与的研究项目 | 第75页 |
