支持向量机在分析型CRM中的应用研究

在支持向量机分类模型的基础上,以客户流失预测为例,阐述了分析型(CRM)体系结构和客户主题数据集市的设计,并详细介绍了数据预处理、模型创建及评估的方法步骤.通过对移动运营商CRM系统中的客户数据进行实证研究表明,把支持向量机应用于分析型CRM中的客户流失挖掘是有效可行的.     

关联规则挖掘在软件销售策略中的研究与应用

针对某软件企业的多个不同产品建立有效的销售策略,提出使用Apriori算法对客户与软件产品之间的关系进行数据挖掘的方法,建立客户与软件产品之间的关联模型。使用此模型对某软件企业的销售数据进行挖掘,发现客户软件产品之间的潜在关系,指导决策者和销售人员对不同的客户实施不同的营销策略,提高客户满意度,增加软件产品的销售量。通过实例验证此模型具有一定的可信度。     

数据挖掘技术在寿险客户购买行为分析中的应用

随着中国加入WTO,我国寿险市场的竞争日益白热化.我国寿险行业经过近二十年的发展,取得长足进步,积累了大量客户数据.本文的目的就是希望在这些公司所积累的寿险客户对产品的购买记录上,通过数据挖掘的方法,发现客户对险种类型选择的模式.在数据挖掘中,通过对客户的数据进行抽取、清洗和预处理,生成数据挖掘库,并使用SPSS Clementine数据挖掘工具,利用C5.0算法建立决策树模型,并对不同的模型进行了分析和对比,以发现客户在寿险产品选择上的一些模式.     

ID3分类算法在银行客户流失中的应用研究

决策树已被成功应用到许多分类问题上,其中ID3是决策树学习的典型算法.文中就该算法在银行客户流失中的应用做了实例研究.叙述了ID3分类算法的原理及其实现算法,并分析了银行客户流失的原因和分类,以一个具体案例详细讲解了ID3分类算法在银行客户流失分析的具体应用流程,包括:数据采样、数据分析、建立模型和模型解释.文中实现ID3算法并作用于银行数据得到一个银行客户流失模型,通过提取模型中的规则对银行预测客户流失特征具有一定的辅助作用.     

基于聚类挖掘技术在电子商务网站中的应用

数据挖掘技术是一种新的信息处理技术。其目的是从海量数据中抽取潜在的,有价值的数据规律或数据模型。通过数据挖掘技术对电子商务网站数据的分析处理,结合客户关系管理策略,建立反映客户个性特征的客户特征模型,建立动态适应性的服务机制,有效地为不同类型的客户进行个性化服务。该文主要将聚类技术应用到电子商务网站,通过建立商品数据库,利用频繁项集的方法得到客户聚类向量,计算出客户的相异度矩阵,用聚类技术实现客户的分类。     

基于数据挖掘的分类算法在潜在客户识别中的应用

对某银行现有信用卡客户的个人信息进行数据挖掘,深入解析交叉销售行为并刻画出交叉销售客户的特征。文中首先采用CART算法建立模型,将模型数据(modeling data)进行分类,生成单分类器模型;然后利用该分类器对800个predict data进行预测,分析得出将有可能在新开信用卡业务后的12个月内又申请办理房屋贷款业务的客户特征。     

数据挖掘在电信行业客户流失预测中的应用

客户流失是电信行业发展过程中所面临的一个严重问题,直接影响到运营商的企业效益。本文主要介绍了对电信行业客户流失情况进行数据挖掘的过程,改进了已有模型存在的缺乏灵活性、难以处理高维度数据的缺点,根据运营商的历史数据资料,利用SAS/EM模块对客户的固有特征和行为特征进行挖掘分析,采用决策树分类算法的CART算法建立了聚类分析模型和包括评估模块在内的一套完整的流失预测模型,能够直观地显示出流失客户的基本特征,并且可以对任意的数据集进行分析,有效提高了模型的普遍应用性和准确性。     

LSTM模型集成方法在客户流失预测中的应用

目前客户流失预测任务中常用的模型集成方法采用传统机器学习模型作为基学习器。而传统机器学习模型相比于深度学习模型,存在无法对时序数据进行有效建模、特征工程对模型效果影响较大等缺点。针对这些问题,提出基于LSTM的模型集成方法。采用LSTM作为基学习器进行时序数据建模;改进snapshot模型集成方法,增加样本权重调整方法,在训练单个LSTM模型的过程中得到多个具有不同权值的模型;利用得到的多个模型构造新数据集,在新数据集上训练逻辑回归模型。实验结果表明,该方法相比于单模型LSTM,可以在仅花费其1.8倍训练时间的前提下,将查准率和PR-AUC分别提升4.67%和3.74%,显著提高了客户流失预测效果。     

基于决策树的数据挖掘在电信CRM中的应用研究

针对电信CRM中“数据丰富但知识贫乏”的现象,利用数据挖掘技术和SL IQ决策树构造算法建立一棵决策树模型,在CRM中根据客户的年龄、所属城市和性别对客户分类,对预测客户类型,防止用户流失,争取新用户具有重要意义。     

数据挖掘技术在电信客户分析中的应用研究

电信企业的客户分析业务活动会产生大量的数据并形成了各自的事务型数据库,数据挖掘技术可以把分散的数据集中起来获取所需的知识.本文在介绍了电信客户关系管理系统的基础上,对数据挖掘技术进行了深八分析,构建了其在电信客户分析中的应用模型,通过某电信运营商所提供的大量的现实数据加以应用,输出结果验证了模型的合理性、有效性和实用性.     

基于元目录的数据管理模型的研究与实现

提出了一种新的基于元目录的数据管理模型,给出了一个应用案例。该模型结构灵活、适应性强,可以有效实现数据整合、数据实时共享和数据可控,适用于大规模数据的数据整合和数据应用。     

数据基因：数据的进化过程管理模型

同生物一样，数据也具有进化过程。本文参照生物进化论的观点，给出一种数据进化过程管理模型——数据基因模型。在数据基因模型中，数据进化过程中产生的信息称为数据的遗传信息，它们被保存在数据基因中。通过数据基因的遗传和变异来记录数据的特征及与其它数据的关系。该模型可用于企业信息处理、审计事务处理等对数据来源、去向需要清楚了解的应用中。本文给出了数据基因模型的基本概念、性质，并给出了模型的一个实例。     

基于栅格的GIS三维空间数据模型

空间数据模型是描述GIS空间数据组织和进行空间数据库设计的理论基础，它反映了现实世界中空间实体之间的相互关系，是空间数据处理和空间数据挖掘的核心问题。文章论述了空问数据模型的表示形式，重点讨论了基于栅格的三维空间数据模型，指出了栅格矢量空问数据模型集成化的必要性以及集成化表示方法，给出了将矢量数据转换为栅格数据的欧氏距离变换与算法，为基于栅格空间数据的空间数据处理和空间数据挖掘奠定了基础。     

医院数据仓库数据模型设计

数据模型设计是数据仓库建设的核心,提出一种医院数据仓库数据模型的设计方法。以某一三甲医院的HIS数据为背景,采用数据驱动的手段,结合医院的需求,提出了医院数据仓库的三层数据模型,概念模型、逻辑模型、物理模型,并完整地给出了每个模型的具体的设计和主要内容。设计并实现了医院数据仓库的数据模型,并结合医院具体的数据给出了相应的实例。此医院数据仓库的三层数据模型易于理解和实现,为医院数据仓库设计最终完成提供了基础。     

Exorcise—an algorithm for detection of spurious values and prediction of missing data

A FORTRAN program is presented which generates a statistical model of broadscale spatially coherent data, and from that model identifies and removes outlying data values. The algorithm also interpolates missing data values by making use of this model, as well as the assumption of broadscale coherence. Examples of the application of this technique to geomagnetic data are presented. A significant improvement in the statistical efficiency and consistency of subsequent estimators is seen to obtain from preprocessing data with this method.     

SOA在模型管理系统中的应用研究

SOA在模型管理中应用旨在解决模型管理系统中数据集成和服务重用问题.训练模拟器开发是一个复杂系统工程,在开发过程中要产生大量的产品数据,包括结构化的和非结构化的.对这些异构的数据进行有效管理,能够为模型开发提供支持,特提出模型管理系统.为了解决开发过程中大量的异构数据的集成问题,提出基于SOA体系结构的模型管理系统.其方法是,利用SOA是一种基于Web服务的松散耦合的体系结构,为模型管理系统提供分阶段实施的策略,降低系统设计的风险,此外,采用SOA的系统结构提高数据和服务接口的可重用性.文章最后给出了基于SOA的系统实现体系结构,解决了模型管理数据集成问题.     

Measuring the stability of data models

The theory of data modelling makes a variety of claims about schema stability. The study reported in this paper developed a method whereby the major elements of a data model can be consistently represented whatever process was originally used for modelling. This was achieved through reverse-engineering a logical relational schema from the record design. The reverse-engineering process attempted to identify the primary meaningful primitives of a data model in order to track changes to them in different iterations of the application. The stability data collection process was applied to a case study followed by a series of models to generate further data. The early evidence indicated that data model instability has it roots in errors in modelling, errors in the semantic analysis whether done consciously or intuitively, and in changes to the requirements brought on by changes to the ‘reality’. This research suggested that some of the elements of a data model are significantly more important than others. The results of the analysis demonstrated that data models are not nearly as stable as the literature might indicate. The work suggested that there should be greater concentration on the question of data model evolvability, and on the appropriate preservation of meaning across model versions, rather than on data model stability.     

一种数据模型的范畴论建模方法

针对数据模型复杂语义建模的应用需求, 以及目前数据模型范畴论建模方法理论研究与工程实践方面存在的不足, 建立了一种素描数据模型。该模型在模型范畴的形式化框架内, 用与特定数据库建模语言无关的范畴论对数据库状态的一致性转换进行了形式化描述, 扩展了传统ER模型的表示与处理功能。基于素描对图形化建模规范的支持, 设计了ER模型向素描数据模型转换的算法, 以精确的语义联系保证模型转换的语义完整性, 并通过实验与对比分析了素描数据模型与算法的优势, 为数据模型的范畴论建模方法研究提供便利、高效的形式化理论框架。     

基于自组织映射模型的数据挖掘算法在对二甲苯吸附分离过程中的应用

以PX吸附分离过程为研究对象，运用基于SOM模型的数据挖掘算法对其进行分析研究．SOM模型在整个挖掘过程中起了关键性的作用．一方面，SOM模型作为探索性数据分析的有效工具，为进一步的挖掘提供了依据．另一方面，SOM模型为聚类算法提供参数指导和数据支持．最终，通过数据挖掘实现了两个目标，得到了在不同负荷情况下操作参数的稳态优化区域；建立了可用于指导操作员改进操作的可视化实时评估模型．     

Semi-automated buildup and calibration of conceptual sewer models

Building conceptual sewer models can be a time-consuming task, especially for large or complex models or models that require input data that might be difficult/tedious to obtain manually.This paper presents a semi-automated procedure for the buildup and calibration of one conceptual model that requires detailed input data such as throttle dimensions, pump curves or water level-storage relations. The procedure uses a hydrodynamic model as basis for sewer network data to create the model layout. A standardised series of composite rainfall events is applied to the hydrodynamic model in order to obtain the necessary reference data for the automated calibration of the conceptual model.Both model buildup and calibration are illustrated by means of a case study. Comparison of results of the hydrodynamic and conceptual model for a 1 year long-term series shows that the automated buildup and calibration can lead to an accurate conceptual model in short time.