

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近幾年,隨著移動(dòng)通信技術(shù)的高速發(fā)展,移動(dòng)通信網(wǎng)的通信用戶(hù)數(shù)量急劇增長(zhǎng),通信市場(chǎng)接近飽和,電信運(yùn)營(yíng)商之間的競(jìng)爭(zhēng)也日益激烈。同時(shí),已經(jīng)接近飽和的市場(chǎng)使得運(yùn)營(yíng)商們更加關(guān)注用戶(hù)資源流失的問(wèn)題。對(duì)于通信運(yùn)營(yíng)商而言,通過(guò)利用通信用戶(hù)使用移動(dòng)終端時(shí)產(chǎn)生的各種數(shù)據(jù),可以預(yù)測(cè)出潛在的流失用戶(hù),并對(duì)這些潛在的流失用戶(hù)進(jìn)行挽留,從而可以維持市場(chǎng)份額和利潤(rùn)。因此,用戶(hù)流失預(yù)測(cè)問(wèn)題的研究對(duì)于通信運(yùn)營(yíng)商而言,有著重要意義。
本文從神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練速度和
2、特征的選取兩個(gè)方面來(lái)對(duì)通信網(wǎng)用戶(hù)流失預(yù)測(cè)問(wèn)題進(jìn)行深入研究。
首先針對(duì)BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)算法進(jìn)行研究。BP神經(jīng)網(wǎng)絡(luò)算法有兩種權(quán)重更新策略,單樣本(Individual)更新和批樣本(Full-Batch)更新。對(duì)于Full-Batch BP神經(jīng)網(wǎng)絡(luò)算法,每更新一次權(quán)重需要對(duì)樣本集中所有的樣本都進(jìn)行計(jì)算,因此,該算法的訓(xùn)練過(guò)程非常耗時(shí),但是它可以并行實(shí)現(xiàn)。對(duì)于Individual BP神經(jīng)網(wǎng)絡(luò)算法,每
3、更新一次權(quán)重僅需要對(duì)樣本集中的某一個(gè)樣本進(jìn)行計(jì)算,因此,該算法的權(quán)重更新很快,但它不能并行實(shí)現(xiàn)。通過(guò)結(jié)合Full-Batch BP和Individual BP兩種神經(jīng)網(wǎng)絡(luò)算法,我們提出了基于Spark平臺(tái)的Mini-Batch BP神經(jīng)網(wǎng)絡(luò)分布式算法來(lái)改善傳統(tǒng)的兩種BP神經(jīng)網(wǎng)絡(luò)算法的性能。實(shí)驗(yàn)證明,和Full-Batch BP神經(jīng)網(wǎng)絡(luò)算法相比,Mini-Batch BP神經(jīng)網(wǎng)絡(luò)分布式算法在不失預(yù)測(cè)準(zhǔn)確率的情況下,其訓(xùn)練時(shí)間大大減小。接下
4、來(lái),對(duì)Mini-Batch BP神經(jīng)網(wǎng)絡(luò)分布式算法的參數(shù)K的取值進(jìn)行探討。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)K的取值對(duì)訓(xùn)練時(shí)間有較大影響,并且得到了一個(gè)針對(duì)最優(yōu)的K的取值的定性的結(jié)論。
然后針對(duì)通信網(wǎng)用戶(hù)流失預(yù)測(cè)問(wèn)題的特征選取進(jìn)行研究。首先提取了七個(gè)特征,其中六個(gè)用戶(hù)通話(huà)行為特征和一個(gè)用戶(hù)相關(guān)性特征。用戶(hù)相關(guān)性特征是流失用戶(hù)給他的鄰居用戶(hù)帶來(lái)的影響。我們使用激活擴(kuò)散算法去提取這個(gè)特征。隨后,分別使用前六個(gè)通話(huà)行為特征和所有的七個(gè)特征來(lái)作為訓(xùn)練集進(jìn)行
5、訓(xùn)練并預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,在加上了一個(gè)用戶(hù)相關(guān)性特征后,預(yù)測(cè)性能會(huì)有所提升。接下來(lái),從對(duì)用戶(hù)之間的相關(guān)性統(tǒng)計(jì)和特征的相對(duì)重要性?xún)蓚€(gè)方面證實(shí)了用戶(hù)相關(guān)性特征的作用。最后,通過(guò)結(jié)合兩個(gè)研究點(diǎn),針對(duì)用戶(hù)流失預(yù)測(cè)問(wèn)題提出了一個(gè)快速精確的預(yù)測(cè)模型。
本論文中使用的Mini-Batch BP神經(jīng)網(wǎng)絡(luò)分布式算法可以在實(shí)際訓(xùn)練和預(yù)測(cè)的過(guò)程中加快速度,幫助快速及時(shí)的預(yù)測(cè)出流失用戶(hù)。同時(shí),用戶(hù)相關(guān)性的特征也能有效提高預(yù)測(cè)精度。因此,本文提出的快速
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Spark平臺(tái)的通信網(wǎng)用戶(hù)流失預(yù)測(cè)研究.pdf
- 移動(dòng)通信網(wǎng)用戶(hù)流失預(yù)測(cè).pdf
- 通信網(wǎng)綜合網(wǎng)管平臺(tái)建設(shè)的研究.pdf
- 智能配用電通信網(wǎng)帶寬預(yù)測(cè)研究.pdf
- IMS(專(zhuān)用通信網(wǎng))中用戶(hù)移動(dòng)性的研究.pdf
- 基于模糊貝葉斯網(wǎng)的移動(dòng)通信客戶(hù)流失預(yù)測(cè)研究.pdf
- 基于Spark平臺(tái)的公交客流預(yù)測(cè)方法的研究.pdf
- 通信網(wǎng)絡(luò)增值業(yè)務(wù)綜合智能網(wǎng)平臺(tái)的研究.pdf
- 移動(dòng)通信網(wǎng)流量數(shù)據(jù)分析及預(yù)測(cè)研究.pdf
- 基于GPRS技術(shù)的專(zhuān)用通信網(wǎng).pdf
- 無(wú)線(xiàn)通信網(wǎng)用戶(hù)與干擾機(jī)的動(dòng)態(tài)博弈研究.pdf
- 基于EPON技術(shù)構(gòu)建配電通信網(wǎng)的研究.pdf
- 移動(dòng)通信網(wǎng)中的用戶(hù)聚類(lèi)與KQI分析.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的通信網(wǎng)綜合告警平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的分類(lèi)算法在電信客戶(hù)流失預(yù)測(cè)系統(tǒng)中的并行化研究.pdf
- 基于ASON市級(jí)電力通信網(wǎng).pdf
- 基于工業(yè)以太網(wǎng)的列車(chē)通信網(wǎng)絡(luò)研究.pdf
- 通信網(wǎng)中基于MPLS流量工程的路由研究.pdf
- 服務(wù)質(zhì)量保證的電力通信網(wǎng)帶寬預(yù)測(cè)研究.pdf
- 基于SPARK的用戶(hù)特征分析.pdf
評(píng)論
0/150
提交評(píng)論