基于粗糙集和神经网络的客户行为分析-计算机软件与理论专业论文.docxVIP

捅 要 在通信行业中，海量的客户数据被存储在数据仓库中得不到充分应用，这 些数据中隐藏的信息不仅可以为决策者提供决策支持，还能为通信行业挖掘出 潜在的客户，实现业务增值，同时通过充分利用这些数据还能更好的为客户服 务。因此，本论文利用粗糙集和神经网络建立了一个数据挖掘模型。 本论文是对数据挖掘技术的一次探索性研究，主要是对数据挖掘技术进行 了改进，结束了单一数据挖掘技术的应用。粗糙集理论中差别矩阵算法具有迅 速、简易求得约简属性集等优点，神经网络具有自学习能力和误差反向回馈等 优点，基于这两种方法的优点，建立了一种基于这两种方法的数据挖掘模型。 该模型采用这两种方法的优点，摒弃这两种方法的缺点，通过对客户数据进行 分析，挖掘出潜在的关联规则，实现数据挖掘。 数据挖掘技术从上一个月的电信189邮箱客户数据结果中获得有用的关联 规则，训练BP神经网络，从而预测这个月的数据信息，挖掘潜在客户，实现 业务增值，增加利润。该方法的实验过程为：利用粗糙集属性约简方法约简属 性集，从而降低客户数据的冗余性，减小数据量，并且缩短神经网的络训练过 程。与此同时，该方法在正确率上还能得到提高。利用粗糙集方法对电信客户 属性进行约简，找出重要的属性，并利用这些属性建立神经网络筛选方法，然 后利用上个月的电信客户数据对BP神经网络进行训练，训练完成后对训练结 果进行实际实验，得出实验结果，然后再将实际结果应用到实际工作当中，通 过实际应用得到该数据挖掘技术的正确率，对本实验进行修改，进一步完善， 最终达到预期的效果。该方法在数据挖掘技术的时间复杂度和空间复杂度上做 了优化，提高了数据挖掘技术的效率和准确率，降低了算法的内存占有量和运 算时间，数据挖掘方法得到了改进和优化。 本论文是对数据挖掘技术的一次尝试创新，并且取得了阶段性的成果，数 据挖掘技术的正确率得到了提高。该方法不仅将数据挖掘理论成果的引用到了 电信行业，而且还对相同行业具有理论指导作用，对数据挖掘技术的扩展起到 积极地作用。 该论文有图21幅，表6个，参考文献55篇。 关键字：差别矩阵；属性约简；BP神经网络；数据挖掘 AbStraCtI芏1 AbStraCt I芏1 the commullications industry，vast锄oums of customer￡【ata is stored in a da．ca warehouse not mlly appIied，me inf．omation hidden iIl tllese data not onlv pr0Vide decision support for decision—makers，but also for the commullications indust】吼miIling out potential cuStomers and realize business value，through如ll use of t11ese da．诅call better seⅣe our cuStomerS．Therefore，this study uses rou曲 sets a11d nellral ne协的fk es协lished a data milling model． This paper is an eXploration of data millillg resea】．ch，maizlly on妇a mi血ng teclⅡ10logy haS been irnproVed oVer a sin91e data mining tecll工lolo盱Discemibil时 mamx m rou曲set meo巧algoritlHll is f瓠t，sirnple set of properties obtained by reduction adVantages of ne吼l ne似的rk 1e锄ing．and error back f．rom me fee(1back etc．，baSed on廿le adVantages of both metllods，all algoriⅡml based on these tv∞ Methods of data miIling models．Tms model uses t：he缸lVantages of botll memods， get rid of t圭le shortcornjngs of the t、Vo methods，mrou曲analysis of customer data， a11d娜the potent谢of aSsociation rules，data m硫ng． Da协mining teclmology丘．0m the previous mom