基于粗糙集理论的物流客户满意度评价研究

介绍了粗糙集理论的基本概念,尝试将粗糙集理论应用于物流客户满意度评价,目的是找出若干条适于客户满意度的决策规则。把影响客户满意度的因素作为决策表达系统的条件属性,并对其进行简化。在此基础上对属性值进行简化。最后得到决策表的简化表,并从中提取出决策规则。     

基于客户信息的电信企业客户流失问题分析

在数据挖掘的基础上，提出针对电信运营企业的客户流失问题的分析方法。通过某公司客户中已经流失客户的信息分析以寻找某些特征，从而为解决客户流失问题打下基础。     

基于粗糙集客户价值评价的规则挖掘

利用粗糙集理论,建立了一种较全面的客户价值评价模型,并利用模型进行了实证研究.结果表明,利用粗糙集理论建立的客户价值评价模型,在企业客户价值评价中具有更加客观,公正的特点,在客户关系管理中具有重要的理论和实用价值.     

移动通讯公司流失客户信息分析

以移动通讯公司为背景,从流失客户本身的特征和流失客户消费行为特征两方面进行了分析,从而为公司制定减少客户流失的措施提供依据。     

一种基于CART算法的移动通信客户流失预测模型

分析了通信企业客户流失现状,给出选择CART算法的原因,然后利用CART算法建立客户流失预测模型并以移动通信企业为例,对其客户流失情况进行预测,把预测结果反馈给相关部门,从而制定出有效的营销措施预防客户流失。     

电信客户流失预警模型的构建

客户流失是电信业普遍存在的问题。本文基于数据挖掘技术,构建了一个电信客户预警模型,该模型旨在提取了客户流失的重要属性和决策树的改进。最后通过实例验证该模型是有效的、可行的。     

基于粗糙集和模糊层次分析法的客户需求权重确定方法

利用粗糙集求得的客户需求权重会出现相等或等于零的情况,会干扰技术设计人员使其在产品配置过程中无法准确掌握客户对产品各模块的重视程度。为了避免这样的问题,合理地确定产品配置中的客户需求权重,提出了基于粗糙集和模糊层次分析法的集成分析方法,将主、客观方法结合,大大提高了客户需求权重的准确性。先利用粗糙集初步确定客户需求权重,再利用模糊层次分析法深入考虑客户需求的自相关性,以修正客户需求初始TB497权重相等或等于零的情况,而后选择合理的主、客观权重偏好系数,利用线性加权组合法将主、客观客户需求权重结合起来得到最终的客户需求权重。最后通过一个具体的产品定制为案例,验证了本文方法的可行性和有效性。     

基于客户价值的信息用户流失预测研究

对信息用户流失分析中的相关问题展开了研究,提出基于客户价值的流失预测模型。结果表明在客户价值细分后进行流失预测,可以提高预测精度并深刻地了解用户特征,从而更有针对性地开展用户保持工作。     

电信业客户流失战略管理模型

应用基于公司竞争的Delta战略模型,提出一种用于电信业的客户流失战略管理模型(CSMM)。通过使用重庆市电信有限公司小灵通客户流失数据集,对CSMM进行了验证。其结果表明,该模型描述了客户流失的原因且包含了与公司竞争战略相关的主要预测因子,从而使其实际应用更易于控制。     

保险业客户流失预测模型的建立与实现

通过分析选择决策树作为保险业客户流失预测模型实现的手段,给出了决策树实现流失预测的算法设计,通过流程图及相应数据结构的说明,介绍了算法实现要点,最后的实验结果表明所建立的预测模型具有良好的准确率。     

基于动态分类器集成的客户流失预测模型研究

目前大多数客户流失预测研究常采用单一预测模型.因此,本文将动态分类器组合与自组织数据挖掘理论(SODM)相结合,提出了基于SODM的动态分类器集成方法.以国内、国外电信公司客户流失预测数据为例,并与单一的预测模型以及已有的动态分类器组合方法进行了详细对比,发现该方法能在很大程度上提高客户流失预测的准确率、命中率以及提升系数,是进行客户流失预测的有效工具.     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

基于SVM和粗糙集理论的董事会效率评价研究

本文构建了影响董事会效率的指标体系,并首次采用支持向量机方法(SVM)建立了董事会效率评价的五级分类模型,通过粗糙集理论的属性约简方法来确定最优的输入指标组合.实验结果表明,本文建立的董事会效率评价模型的判别精度要优于已有模型,而通过对惩罚矩阵的合理调整,模型的判别精度可以进一步提高.     

基于粗糙集约简并加权的SVM分类算法

针对Web中文文本分类中现有权重计算方法的不足和支持向量机算法对大数据量模式分类的低效性,提出了基于粗糙集约简并且加权的支持向量机分类方法;粗糙集作为支持向量机分类的前期预处理器,应用粗糙集的约简理论和基于Web中文文本的可变精度粗糙集加权方法对分类前的数据分别进行简化并计算权重,从而提高支持向量机后期分类的效率和精度;实验结果表明,支持向量机对约简并加权后的数据进行分类,分类性能得到了进一步保证。     

电子商务客户流失三阶段预测模型

采用某网上商场的2525名客户样本,构建了基于SMC和最小二乘支持向量机(LSSVM)的电子商务客户流失三阶段预测模型.首先应用SMC模型计算出客户活跃度,以0.5为阚值判断出客户流失状态,识别出正判客户和错判客户;其次将训练样本送入LSSVM进行训练和学习,进而对测试样本的客户流失状态进行判别,然后将误判客户样本输入最近邻分类器进行再判断.结果表明,与SMC模型、BP神经网络模型、LSSVM模型相比,三阶段模型对测试样本预测精度更高,是一种更有效和实用的分类方法,可为电子商务企业客户关系管理提供一个新的方法.     

基于支持向量机的股票投资价值分类模型研究

本文遵循价值投资理念,建立基于支持向量机的股票投资价值分类模型。首先随机抽取500支A股股票作为样本,并选取对股票投资价值影响显著的财务指标构造样本特征集,然后采用支持向量机方法建立股票投资价值分类模型,最后将其与BP神经网络和RBF神经网络相比较,结果表明支持向量机的分类效果和泛化能力最优。     

基于语义空间和SVM的竞争情报分类分析模型研究

针对传统的竞争情报分析模型无法有效地对情报源进行深入挖掘分析,获取企业所需的深层情报内容,本文构建了基于语义空间和SVM的竞争情报分类分析模型.该模型利用语义空间来表示文本,提高文本表示的精度;利用基于语义核函数的SVM分类分析算法进行学习和训练,实现语义层面的竞争情报分类分析.实验结果表明,该模型取得了很好的预期效果,显著提高了竞争情报分析的准确率和效率.     

基于粗集理论的顾客忠诚度测度模型

将粗集理论引入到顾客忠诚度研究,建立了基于粗集理论的顾客忠诚度评价模型,并以中国移动通信行业为例,在大学生中搜集了343个有效样本。通过对调查问卷的分析和处理,利用粗集理论的属性约简和规则推导方法,获取一系列有价值的规则。最后,利用粗集理论得到的规则与路径分析得到的结论进行比较,来验证模型的有效性。     

基于模糊集和粗糙集理论的云安全评价模型

研究对云安全的综合评价模型,提高云计算中的网格计算并行处理和防病毒攻击能力。传统的云安全评价模型采用多层模糊集自适应算法,评价系统单一,抗病毒攻击能力较差。提出一种基于模糊集和粗糙集理论的云安全评价模型,构建云安全数据信息网格计算系统,进行安全动态数据流分析,采用基于模糊集和粗糙集理论的评价模型,构建有格点链重叠检测和向量化运算算法,检测病毒入侵信号。仿真结果表明,该云安全综合评价模型执行效率较高,对病毒入侵的检测能力提高,安全检测的成功率比传统方法提高34%,该模型有较好的安全综合评价和攻击入侵检测性能。在云计算系统安全构架中具有较好的应用价值。