粗糙集在电信业决策支持系统中的应用

文主要介绍了粗糙集中的属性约简算法在在电信决策系统中客户流失方面的应用,描述了应用Spss Clementine对电信数据进行预处理,应用属性约简算法对处理后的电信客户的信息进行约简后的信息表,从而得出对电信客户流失影响最大的因素,并对结果进行分析作出决策。     

基于粗糙集的客户市场细分算法

针对客户市场细分问题进行了研究。依据粗糙集理论,以信息表中条件属性与决策属性的一致性原理为基础,以超立方体、扫描向量为数据计算对象,进行数据离散化和连续型属性约简,实现了数据预处理;在此基础上,以集合差异度指标为约束条件,运用集合特征向量加法法则最终实现客户市场细分。在实验中,连续属性离散化和冗余属性约简有效地减少了计算数据,便于客户市场细分的实现,提高了客户市场细分的效果。研究结果表明该客户市场细分算法是有效可行的。     

基于粗糙集理论的多标记数据互补决策约简加速算法

互补决策约简是一种多标记数据属性约简方法,当数据规模较大时,其启发式算法的计算耗时较大。基于粗糙集理论,对互补决策约简启发式算法的加速算法进行了研究。当粒度由粗变细时,在逐步去掉正域的数据集上,首先研究互补决策约简中属性外部重要度的保序性质;基于此,通过逐步缩小数据规模来降低计算约简的耗时,提出了互补决策约简加速算法。加速算法不仅减少了属性约简的计算时间,而且能够保持原始算法的约简结果。     

基于粗糙属性约简和物之属性关联分析的新客户发掘方法

讨论了如何从已有的客户数据信息中发掘出新的客户源．首先利用物元理论与粗糙集的方法对购买某种商品的客户的属性特征进行约简，并对约简后的属性计算其相对于客户决策的重要性，然后以约简后的属性取值集合为可拓集合构造各属性的关联函数，并结合属性重要性构造全局关联函数，以此来进行新客户的发掘。     

基于粗糙集的属性约简优化算法研究

属性约简是粗糙集理论中一个核心研究问题,在对粗糙集中属性约简相关理论研究的基础上,提出了一种新的基于属性重要性和依赖性相结合的GENRED_GROWTH属性约简算法.并通过CUI机器学习数据集测试实验,验证了该算法的有效性.     

一种基于区分矩阵的实值属性约简算法

通过粗糙集理论对一种实值属性约简算法进行了研究,给出了实值决策系统属性约简的算法,并采用UCI中的数据集进行分析,实验结果表明:该约简方法可以选择较少的属性而保持或改善分类能力.     

一种改进的基于区分矩阵的属性约简算法

根据粗糙集理论讨论了属性约简问题,基于传统的区分矩阵属性约简算法提出了一种改进的约简算法:首先,根据决策表构造区分矩阵;然后,删除区分矩阵中包含核和伪核的项;最后,化简区分矩阵中剩余项得到约简结果.通过对某发动机故障数据进行处理验证了算法的有效性.     

基于差别矩阵的属性约简算法

在粗糙集理论的各种应用中,属性约简算法具有重要意义,因而对属性约简算法的研究一直是粗糙集理论研究中的重点问题之一.提出了一种基于差别矩阵的属性约简算法.该算法引进栈的概念,利用栈的特点,对文献[1]中算法进行改进,提出了一种求所有约简的算法.     

基于图的粗糙集属性约简方法

属性约简是粗糙集理论研究的一个基本问题,它是一种有效的数据约简方法。然而,目前很多的属性约简算法在面对高维数据集时仍然不够高效。文中利用图论的相关理论和方法,对基于区分矩阵的粗糙集属性约简方法给出了直观和等价的刻画。在此基础上提出了基于图论的粗糙集属性约简方法。实验结果表明,新的属性约简算法在面对较大规模的数据集,尤其是高维的数据集时,不仅能有效地降低数据的维数,同时运行速度快且能保持较高的分类精度。     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

商业银行数据分析系统的设计及应用

随着商业银行计算机与信息技术、客户群体以及各类产品的不断发展,商业银行积累了海量的珍贵数据,这些数据所蕴藏的巨大价值也越来越被决策层重视起来。在深入分析商业银行数据应用现状及现有的信息管理系统中的基础数据平台系统存在问题的基础上,提出了可靠和高效率的2种商业银行数据分析系统模型,并对挖掘出来的数据如何进行使用及如何转化成效益进行了详细的研究,对商业银行的发展具有重要的现实意义。     

高维数据流的聚类离群点检测算法研究

针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测（CODHD-Stream）算法。该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的 K-means 聚类算法将数据集划分成微聚类,并检测微聚类的离群点。通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度。     

商业银行个人业务顾客满意度研究——以宁波银行为例

商业银行实施顾客满意度战略是维系顾客争取顾客忠诚的必备条件。文章通过问卷调查的形式,对宁波银行个人客户展开银行顾客满意度抽样调查,对影响顾客选购银行产品和服务的各因素的重要程度和满意程度进行分析。结果发现诸如服务质量、ATM位置分布、金融创新速度等因素会显著影响宁波银行的客户满意度。因此宁波银行可以通过差异化服务获得竞争优势。     

国有商业银行实施低效信贷客户退出战略初探

低效信贷客户是国有商业银行存量信贷资产中具有潜在风险的客户.从低效信贷客户的识别、退出的重要性、退出的原则及方法等方面论述了国有商业银行的低效信贷客户退出战略,为国有商业银行实施低效信贷客户退出实践提供了较系统的理论依据.     

我国商业银行优化CRM的理论研究

从客户关系管理的概念及其核心思想入手,提出了商业银行发展的整体构想,建立用于管理客户关系信息的有效机制和程序。     

基于属性熵和加权余弦相似度的离群算法

离群点检测是数据挖掘的一个重要研究方向,大多数离群数据挖掘算法在应用到高维数据集时效率较低。给出了一种基于属性熵和加权余弦相似度的离群数据挖掘算法LEAWCD.该算法首先根据局部属性熵分析每个对象在其k-邻域内的局部离群属性,并依据各离群属性的属性偏离度自动设置属性权向量;其次使用对高维数据有效的余弦相似度经加权后度量各对象在k-邻域内的离群程度,实现高维局部离群点检测;最后采用国家天文台提供的天体光谱数据作为数据集,实验验证了LEAWCD算法具有伸缩性强和检测精度高等优点。     

基于模糊信息熵的彩铃客户属性约简算法

针对彩铃业务交易记录海量化和客户属性高维化、混合性的特点,提出一种应用模糊信息熵对彩铃客户属性进行约简的方法。以两个地区的营销返回样本为原始数据,结合CART分类器和10折交叉验证,比较由文中方法和经典粗糙集属性约简方法得到的特征数量和分类精度。实验结果表明,文中方法获得了相对较高的平均分类精度(81.36%)和最少的平均特征属性(4.5个),有效地约简了彩铃客户属性并改善了分类能力。     

近年国有商业银行不良资产下降因素分析

近年来我国国有商业银行不良资产处理成效明显，不良债权数量下降较快．该文对银行业不良资产的成因进行了简要回顾，重点从银行不良资产形成的内外因素出发，对四大国有银行处理不良资产的方法进行了综述，分析了近年国有商业银行不良资产下降的原因．     

子模式判别型半监督非线性维数减少算法

维数减少是在损失较少特征信息的条件下处理高维图像数据的关键技术,已成为高维数据处理中的热点问题.样本的类内和类间散度判别信息被用于判断当前样本对属于相同类还是不同类,同时考虑未标签样本对算法性能的影响,提出了一种判别型半监督非线性维数减少算法(discriminativesemi-supervised nonlinear dimensionality reduction,DSSNDR),可有效避免奇异性.DSSNDR采用高斯核和多项式核组合得到的混合核,将原始数据以一系列"有用的"特征形式投影到一个较低维的嵌入空间,便于分类,同时能够保持已标签和未标签样本的内部特征,可有效执行半监督学习.引入样本数据的子模式,将DSSNDR推广到子模式特征空间下的非线性方法,简称Sp-DSSNDR,进一步增强了DSSNDR的学习能力,提高分类精度.多个典型数据集上的分类和可视化实验表明,不同类的样本数据的投影在DSSNDR和Sp-DSSNDR构造的特征空间中存在较少的混叠现象,具有更好的可分离性.当维数被减少到较低水平时,本文算法几乎总是取得最好的结果,甚至超过了经典的主成分分析(PCA),核主成分分析(KPCA)和核Fis...     

多媒体文档系统MDS—1的设计与实现

传统关系数据库系统由于其关系数据模型的语义表达能力的局限性,难以表示人像和人的声音信息,从而无法支持应用越来越广泛的基于人像和声音特征的查询,文中从数据分析出发,提出一种能同时表达人员相关信息,人像信息和人的声音信息的面向对象数据模型,介绍所研制的基于面向对象数据模型的多媒体文档系统,它能兼容传统关系数据库管理系统的基本功能,并提供了基本ＳＱＬ查询,示例查询,主观属性查询,模糊概念查询,浏览查询等