基于社交网络分析的高影响力客户识别模型算法

基于通信运营商社交网络数据量巨大、产生速度快、交互速度快、数据结构多样和分析复杂的特点,结合传统结构化数据的分析,提出了一种高影响力客户识别的模型,并应用于客户套餐购买过程中,得出了6个月内高影响力客户比随机客户推荐成功率平均提升4.8%、绝对量提升29倍的效果。     

社交网络逐步扩散原理在学生客户识别模型中的对比研究

文章探讨了社交网络逐步扩散原理在学生客户识别模型中的应用,通过实验对比该理论的两种算法实现方式在性能及识别准确率方面的差异,得出实际建设中应采用的最优算法,并讨论了其相关研究现状。     

基于决策树的网络客户分类方法研究

传统的网络购物只是对商品进行一个简单的分类和陈列,对于电子商务的商家并没有对网络消费者的购物数据进行深入研究探讨.针对网络购物过程中消费者选择商品的趋向性的不同,引入了基于决策树分类方法对网络客户购买商品的行为进行分析,并从决策树中挖掘出影响网络购物的主要因素以及各因素对网络购买行为的强弱影响程度.实验结果表明,此方法可以有效的对网络客户进行分类,有利于决策分析.     

基于决策树算法的信息资产识别

资产识别是网络安全动态风险评估过程的首要环节,在基于层面的信息资产划分方法上,通过数据挖掘技术中的决策树算法,研究了信息资产识别问题。实现了数据挖掘技术在资产识别中的应用。在对C4．5算法的基本流程进行描述的基础上,以信息资产数据集中的操作系统为例,利用C4．5算法实现了对数据的正确分类,并进行了规则的提取,为以后进行资产识别提供了依据,并指明了今后该算法在信息资产识别其他方面的研究方向。     

基于决策树的客户流失分析

决策树是数据挖掘中分类的一种基本方法,本文结合实际数据分布的特征,通过量抽样,进行决策树C4.5建模,进一步分析流失客户的相关特征以及决策树模型的时效性,得出一些有效的规则,为移动通信客户流失分析提供了一类新方法。     

基于层次分解决策树的手写体数字识别

手写体数字的识别是模式识别的一个重要课题，利用手写体数字的特征属性来进行决策识别是一种较好的方法。本文提出了一种新的，基于层次分解的决策树方法并综合手写数字的特征属性来对手写体数字进行识别。实验结果表明，该方法的识别正确率较高。     

基于决策树的手写数字的识别

手写数字的识别是模式识别及机器学习的一个重要应用,应用范围非常广泛。本文提出一种基于决策树算法的手写数字识别方法,该方法通过提取基于密度的特征,通过训练得到一个决策树分类模型,进而进行手写数字的识别。实验证明该方法能够快速有效的进行手写数字的识别。     

基于Apriori算法的手厅潜在客户识别模型研究

当今基于大数据来发现物品之间的频繁模式、关联、相关性或因果结构的应用非常广泛,通过合理的搭配或捆绑的模型进行精准营销的同时,能够有效提高服务质量和效益。目前常用的关联分析的算法有：灰色关联分析、fp-growth算法、apriori算法等。本文基于Apriori算法对中国移动内蒙古有限公司用户针对现有手厅APP客户的第三方APP使用关联度较高的客户进行识别,并按4:5:8的比例分配优先级高：中：低;对使用了和手厅具有较高关联度的app同时又是非手厅使用者的用户进行手厅推荐。     

基于决策树模型在精准选取潜在营销目标客户中的应用

本文以数据挖掘决策树技术为理论基础,结合无锡移动实际生产场景需求,在营销推荐时需要精准匹配目标客户,提出了比值比决策树潜在客户预测模型,并通过真实工作数据验证模型的应用效果.     

基于HHT和决策树的电能质量扰动分类识别

针对电能质量扰动分类问题,提出了结合HHT和决策树的电能质量高精度分类识别方法。利用HHT对电能扰动信号进行特征提取,通过瞬时幅值、Hilbert谱和边际谱得到信号频率成分、扰动信号持续时间、电压扰动幅值以及Hilbert谱信号等四个特征量,再根据决策树对提取的特征量进行分类,经过历史扰动信号的实验,最后确定决策树的阀值,对电能质量扰动信号进行分类。根据实验结果,本方法对电能质量的七种扰动分类效果正确率较高。     

多元线性回归与决策树的情绪量化识别算法

为精准获取情绪量化识别结果,研究多元线性回归与决策树的情绪量化识别算法。利用多元线性回归模型获取情绪影响因素;通过分割相似度获取最优特征,将其作为最佳分类规则,按照最佳分类规则塑造最佳决策树;在求解信息熵时,由詹森不等式替换熵函数的上凸性,剔除邻近的匹配叶节点;将情绪影响因素输入改进决策树,输出情绪量化识别结果。实验证明：该算法的平均精确匹配率高达98%,平均绝对误差低至0.18,具备较优的情绪量化识别性能。     

基于决策树的P2P节点识别技术研究

通过对P2P应用的长期研究,根据P2P节点自身的特点选取了其中典型的特征属性,并提出了一种基于决策树模型的P2P节点识别方法。由于该方法是统计分析传输层数据分组的特征,因此对于采用加密或非加密的P2P应用的网络节点识别均有效。通过实验验证,与基于端口和基于负载特征的流量监测方法相比,所提出的方法体现出了较高的准确率和较低的漏报率及误报率。     

基于决策树的雷达型号识别方法

从信息论的角度,以平时侦察所得各种雷达参数的信息量作为分类依据,得出一种基于决策树算法的雷达型号识别方法。计算机仿真试验表明,在目标种类不是太多的情况下,即使仅能侦察少量的雷达特征参数,通过侦察次数的积累,本算法仍能得到不断改善的识别结果,具有一定的实际意义。     

基于决策树的雷达型号识别方法研究

从信息论的角度,以平时侦察所得各种雷达参数的信息量作为分类依据,得出一种基于决策树算法的雷达型号识别方法。计算机仿真试验表明,在目标种类不是太多的情况下,即使仅能侦察少量的雷达特征参数,通过侦察次数的积累,本算法仍能得到不断改善的识别结果,具有一定的实际意义。     

基于改进的决策树算法分级诊疗模型研究

针对目前三甲医院看病挤、看病难、看病贵等问题,亟需对目前的诊疗体系进行改进,对大医院的患者进行分类和分流,文中设计了一种基于改进的决策树算法的分级诊疗机制,利用改进决策树算法的训练自学习特征,通过对孕妇的就医历史行为数据的分析,提取出影响就医医院的特征,并构建数据分类模型.根据已有的孕产妇就医选择数据,找到相应的不同特...     

基于局部近邻传播及用户特征的社区识别算法

提出一种将局部近邻传播和考虑用户特征的相似性测度相结合实现社交网络中的社区识别的算法。一方面,通过放松代表点约束条件及限制消息传播范围为节点的局部近邻,算法在降低时间和空间复杂度的同时保持较小的识别精度损失,从而能够适应社交网络挖掘需要;另一方面,通过将节点的拓扑相似度和特征相似度相结合来描述节点的综合相似度,使算法能够适应社交网络采样数据中用户关联信息不完整的情况。通过在人工数据集和真实数据集上的对比实验表明,所提方法不仅具有近似线性的时间复杂度及线性的空间复杂度,而且在网络中的节点关联边信息不完整时仍保持较好的识别精度。     

基于轻量级图卷积网络的校园暴力行为识别

针对卷积神经网络和图卷积网络的两类算法在校园暴力行为识别中识别速度和识别率不高的问题,本文提出一种结合多信息流数据融合和时空注意力机制的轻量级图卷积网络。以人体骨架为研究对象,首先融合关节点和骨架相关的多信息流数据,通过减少网络参数量来提高运算速度;其次构建基于非局部运算的时空注意力模块关注最具动作判别性的关节点,通过减少冗余信息提高识别准确率;接着构建时空特征提取模块获得关注关节点时空关联信息;最终由Softmax层实现动作识别。实验结果表明：在校园安防实景中对拳打、脚踢、倒地、推搡、打耳光和跪地6种典型动作识别准确率分别为94.5%,97.0%,98.5%,95.0%,94.5%,95.5%,识别速度最大为20.6 fps。在UCF101数据集上对比两类基准网络,识别速度和准确率均有提升,验证了方法对其他动作的通用性,可以满足对校园典型暴力行为识别的实时性和可靠性要求。     

一种基于注意力模型的带钢表面缺陷识别算法

为了提高工业带钢的质量和产量,针对传统人工识别难度大、效率低和客观性不够等问题,提出了一种基于软注意力机制的带钢表面缺陷识别方法,对传统深度残差网络ResNet模型进行了改进,使用伪彩色图像增强技术处理图片,得到了新的训练集.实验结果表明,在不同信噪比情况下,相比于传统的模型,改进模型A-ResNet50和A-ResN...