灰色预测和神经网络在电信客户流失预测中的应用

摘要

客户流失分析作为经营分析系统中的一个重要主题，主要任务是根据流失客户和没有流失的客户性质和消费行为，进行挖掘分析，建立客户流失预测模型，分析哪些客户的流失率最大，流失客户的消费行为如何，并预测在该策略下客户流失情况。
　　 灰色系统是指信息不完全、不确定的系统。灰色问题是指结构、特征、参数等信息不完备的问题，而神经网络具有并行计算，分布式信息存储，容错能力强，自适应学习功能等优点，在处理复杂的人工问题上显示出极优越的地位。通过对灰色系统和神经网络的研究，发现灰色系统和神经网络可以作为数值化的函数估计器，两种方法各有所长。把两者结合起来，建立一种兼有两者优点的方法--灰色神经网络模型。
　　 所谓灰色神经网络模型就是将灰色系统方法与神经网络方法通过有效的途径有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。利用这种方法求解灰色问题时，与神经网络方法相比，计算量小，在少样本情况下也可达到较高精度，与灰色系统相比，计算精度高，且误差可控。

目录

文摘

英文文摘

第一章 绪论

1.1 选题背景及意义

1.2 本文研究的意义、目标及主要内容

第二章 灰色预测模型

2.1 灰色系统基本概述

2.2 数据序列的预处理

2.3 灰色预测常用的生成算子

2.4 灰色模型原理

2.4.1 灰色预测基本思想

2.4.2 灰色预测的算法流程

2.4.3 GM(1，1)模型的特征

2.4.4 灰色预测的检验

2.4.5 GM(1，1)模型的局限性

2.5 灰色模型的改进

2.5.1 优化初值的GM(1，1)模型

2.5.2 无偏GM(1，1)模型

2.6 灰色预测的应用实例

2.7 本章小结

第三章 神经网络模型原理

3.1 人工神经网络概述

3.2 神经网络的发展

3.3 神经元模型

3.3.1 神经元基本结构

3.3.2 神经元激活函数

3.4 神经网络的结构

3.5 BP神经网络结构

3.5.1 BP算法的原理

3.5.2 BP算法的数学表达

3.5.3 BP网络的缺陷

3.6 本章小结

第四章 灰色神经网络模型原理

4.1 灰色神经网络模型

4.1.1 组合预测技术

4.1.2 灰色预测和神经网络融合的原因

4.1.3 灰色—神经网络混合预测模型

4.1.4 灰色系统与神经网络的结合方式

4.2 一阶灰色神经网络模型GNNM(1，1)

4.2.1 一阶灰色神经网络模型GNNM(1，1)的建立

4.2.2 一阶灰色神经网络模型GNNM(1，1)的学习算法

4.2.3 灰色神经网络模型的应用实例

4.2.4 灰色神经网络模型的缺陷

4.3 本章小结

第五章 模型比较和总结

5.1 三种模型的比较

5.2 总结

参考文献

致谢

攻读学位期间发表的学术论文目录