基于进化理论的用户流失预测分析

针对移动通信公司的经营分析系统, 结合数据挖掘技 术, 阐述了客户流失预测的过程, 并探讨了进化理论和连续数据离散化的相关问题, 提出了 EACA（Evolutionary Algorithm for Churning Analysis）算法, 用于解决移动通信这样一个有庞大离网规则数据库中规则的发现问题.     

基于改进GA-BP的移动通信用户流失预测算法

BP神经网络(BPNN)模型对移动通信用户流失的预测有较好的效果,但其全局搜索能力相对较弱,对初始网络权重非常敏感,因此本文通过对用户通信行为的分析,提出一种基于改进GA-BP的移动用户流失预测算法:用改进的遗传算法对BPNN的权值和阈值进行初始化,从而提高预测模型的准确率.改进的遗传算法采用一种自适应的交叉概率和变异概率计算策略,提高了遗传算法寻找全局最优解的能力.通过对比实验发现,本文构建的移动用户流失预测模型,在预测准确率上有着很好的表现.     

一种用户码率偏好敏感的网络编码视频分发算法

无线网络用户拥有差异化的网络与视频接收设备,通过单一优化用户获得的下载速率,无法最终确保用户获得良好的视频质量. 多码率视频流编码基于一种多描述编码（MDC）,在MDC视频流中,由于各层数据以数据分片的形式传输,网络编码成为一种有效的视频分片传输机制. 从网络、用户兴趣、内容属性等角度分析用户对视频流码率的偏好,提出了一种用户码率敏感的流媒体数据传输算法. 实验表明该算法在用户偏好满足与降低网络消耗率上,优于已有研究. 在用户可以获得偏好码率的同时,保证了流媒体的连续性.      

基于多元统计方法的网络用户视频满意度分析

本文通过随机发放问卷的形式获得数据,主要分析了网络视频消费者的群体特征和消费者对网络视频的满意度。同时对网络视频观众忠诚度及收看习惯做了简单分析,对回收问卷进行信度及效度检验。通过对应分析来分析不同特征人群满意度差异,得到结论以为网络视频网站提供指导和借鉴。     

基于用户行为的教学视频内容质量评价方法

针对目前网络教学视频内容质量评价以主观方法为主,缺乏客观的质量界定标准的问题,提出一种基于用户观看行为的网络教学视频质量评价方法.该方法首先采集单个用户观看某个网络教学视频的行为数据,并对数据进行标准化处理;然后根据视频质量评价标准,实现数据标签化;再通过全连接神经网络,利用Softmax划分单个用户对网络教学视频内容质量的分类;最后,将所有用户观看该视频的分类加权平均后得到对该视频的综合评价.测试结果表明,该模型评价教学视频的准确率为79.5%,分类效果明显,具有较高的实用价值.