自组织人工神经网络在民航旅客盈利能力细分中的应用.pptVIP

自组织人工神经网络在民航旅客盈利能力细分中的应用 王文哲 简介 本文凭借自组织模型较强的分类能力将影响旅客盈利能力的有关行为特征参数输入网络，对民航旅客行为特征进行分类，通过识别旅客的行为预测其盈利能力。 算法 数据来源 本文数据来源于国内某航空公司部分旅客乘机行为的测试数据!时限为6个月，为了避免季节影响，将2002-2—2003-2十二个月数据进行平均，选取乘机次数“来回程次数”来回程间隔在一周内的旅行次数“来回程间隔超过一周的旅行次数”乘机旅行的航段种类数“最后一次乘机日期距离统计月的月数”累计的乘机里程7个行为特征属性。由于细分的目的是根据旅客行为特征预测其盈利能力，因此首先综合考虑旅客的每公里票价收入与累计票价收入，采用聚类的方法将旅客的盈利能力分成4类。 见表1 表1 识别模型的建立 首先，随机选取125个样本（包含4类旅客），其中100个作为神经网络的“学习”教材，将其保存到.m数据文件中!剩余的25个作为验证样本!以其特征变量(x1,x2,x3,x4,x5,x6,x7)作为神经网络的输入。在进行领域范围的选择时，将4类样本的输出节点分别构成5*5~20*20的点阵，训练步数均为1000步!其错分率显示5*5和6*6层的邻域点阵对100个样本的正确识别最为有利；使用SOM 工具箱对试验数据进行分析。因为SOM 算法是基于欧氏距离的输入向量各分量的取值范围严重影响到S