發(fā)布時(shí)間：2020-11-22 03:42

　　 業(yè)界普遍認(rèn)為彩信業(yè)務(wù)將是3G市場啟動和發(fā)展的關(guān)鍵動力,具有廣闊的應(yīng)用前景和發(fā)展空間。當(dāng)前運(yùn)營商的彩信運(yùn)營缺乏有效的系統(tǒng)支撐�；诖�,本文重點(diǎn)研究數(shù)據(jù)挖掘方法在彩信運(yùn)營支撐中的應(yīng)用,并探討構(gòu)建面向數(shù)據(jù)業(yè)務(wù)的網(wǎng)絡(luò)質(zhì)量提升支撐平臺的思路。本文的主要研究成果如下: 1、提出混沌粒子群算法,并在此基礎(chǔ)上改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,應(yīng)用于彩信指標(biāo)預(yù)測。 傳統(tǒng)粒子群算法在尋優(yōu)過程中不同程度地存在早熟問題而易陷入局部最優(yōu)解,本文在粒子群算法中引入混沌思想對之進(jìn)行改進(jìn):首先混沌初始化粒子群中粒子的位置,保證在搜索空間的大范圍內(nèi)初始化粒子群中粒子的位置;然后調(diào)用基本的粒子群方法,當(dāng)粒子群中出現(xiàn)有多個(gè)粒子距離足夠近的情況,則對該粒子賦予混沌狀態(tài)搜索。通過Rosenbrock和Schaffer等經(jīng)典測試函數(shù)進(jìn)行測試,Rosenbrock函數(shù)最小適應(yīng)值由8.78下降到4.90,Schaffer函數(shù)成功搜索次數(shù)也大大提高。 建立在混沌粒子群算法基礎(chǔ)上的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)彩信指標(biāo)預(yù)測模型,主要通過輸入節(jié)假日、當(dāng)前用戶數(shù)、市場行為、歷史指標(biāo)情況等信息來預(yù)測彩信提交總量、彩信提交成功量、彩信下發(fā)總量、彩信下發(fā)成功量、彩信端對端成功率等彩信指標(biāo),并以此指導(dǎo)運(yùn)營商的網(wǎng)絡(luò)建設(shè)及調(diào)整,并可利用該預(yù)測結(jié)果來指導(dǎo)市場行為,輔助業(yè)務(wù)部門制定營銷策略,實(shí)施精細(xì)化營銷。在應(yīng)用中,該預(yù)測模型很好地預(yù)測出彩信業(yè)務(wù)總量的變化,幫助企業(yè)及時(shí)啟動營銷策劃,取得較好效果。 2、提出基于模糊聚類分析的彩信客戶分類模型用于實(shí)現(xiàn)對彩信客戶進(jìn)行分類。 該模型融合用戶彩信業(yè)務(wù)使用情況、用戶信息、用戶數(shù)據(jù)業(yè)務(wù)使用情況等相關(guān)信息,基于模糊聚類算法,實(shí)現(xiàn)將客戶分為四個(gè)聚類結(jié)果:潛在客戶、高活躍客戶、沉默客戶和可保持客戶。并針對重點(diǎn)的沉默和高活躍客戶采取專項(xiàng)市場提升活動,展開精細(xì)化營銷,達(dá)到了很好的提升效果。 3、提出面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TSPA網(wǎng)絡(luò)質(zhì)量提升模型的構(gòu)想。 以彩信業(yè)務(wù)為切入點(diǎn),以數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知為導(dǎo)向,應(yīng)用數(shù)據(jù)挖掘等技術(shù),對網(wǎng)絡(luò)質(zhì)量管理過程、網(wǎng)絡(luò)質(zhì)量技術(shù)指標(biāo)以及數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知進(jìn)行科學(xué)關(guān)聯(lián),建立網(wǎng)絡(luò)質(zhì)量提升專家知識庫和模型集,提出TSPA網(wǎng)絡(luò)質(zhì)量管理分析模型,力求能發(fā)現(xiàn)最能提升客戶感知的措施并用于指導(dǎo)彩信保障工作的開展。力求基于上述模型,構(gòu)建出“數(shù)據(jù)業(yè)務(wù)綜合運(yùn)營支撐管理平臺”。為彩信等數(shù)據(jù)業(yè)務(wù)的指標(biāo)運(yùn)營和維護(hù)提供一個(gè)規(guī)范、高效的支撐平臺。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2009
【中圖分類】：F626;F224
【部分圖文】：

圖(5一11)IADIF閉環(huán)管理流程圖“面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TS以網(wǎng)絡(luò)質(zhì)量提升模型”具備以下特點(diǎn):(1)模型首創(chuàng)性地建立了網(wǎng)絡(luò)提升手段與數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知關(guān)聯(lián)的映射集�！懊嫦驍�(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TSPA網(wǎng)絡(luò)質(zhì)量提升模型”以數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知調(diào)研診斷為基礎(chǔ)，結(jié)合網(wǎng)絡(luò)質(zhì)量管理過程及網(wǎng)絡(luò)質(zhì)量技術(shù)指標(biāo)，建立了網(wǎng)絡(luò)質(zhì)量管理分析模型，將網(wǎng)絡(luò)質(zhì)量技術(shù)指標(biāo)、數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知、以及網(wǎng)絡(luò)質(zhì)量管理過程進(jìn)行了科學(xué)的關(guān)聯(lián)，并在此基礎(chǔ)上建立了網(wǎng)絡(luò)質(zhì)量提升手段、網(wǎng)絡(luò)質(zhì)量技術(shù)指標(biāo)、數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知三者之間相互關(guān)聯(lián)的映射集。(2)模型解決了網(wǎng)絡(luò)提升手段如何有效指向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知提升的難題�！懊嫦驍�(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TS隊(duì)網(wǎng)絡(luò)質(zhì)量提升模型”建立了”網(wǎng)

彩信運(yùn)營支撐管理平臺軟件體系結(jié)構(gòu)分為:數(shù)據(jù)獲取層、數(shù)據(jù)存儲層、數(shù)據(jù)應(yīng)用層、數(shù)據(jù)訪問層等
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王歲花,馮乃勤,李愛國;一類新穎的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2003年13期

2 李祥飛,鄒恩,張?zhí)┥?基于混沌變量的前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J];控制與決策;2003年06期

3 楊克儉,丁學(xué)鈞;數(shù)據(jù)挖掘及其應(yīng)用研究回顧[J];福建電腦;2004年07期

4 楊俊杰,周建中,喻菁,吳瑋;基于混沌搜索的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年16期

5 李菁菁,邵培基,黃亦瀟;數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展研究[J];管理工程學(xué)報(bào);2004年03期

6 楊維,李歧強(qiáng);粒子群優(yōu)化算法綜述[J];中國工程科學(xué);2004年05期

7 劉自發(fā),葛少云,余貽鑫;基于混沌粒子群優(yōu)化方法的電力系統(tǒng)無功最優(yōu)潮流[J];電力系統(tǒng)自動化;2005年07期

8 郭蘊(yùn)華,陳定方;基于模糊聚類分析的客戶分類算法研究[J];計(jì)算機(jī)應(yīng)用研究;2005年04期

9 馬輝民;李強(qiáng);;應(yīng)用AHP層次分析法評估ERP項(xiàng)目風(fēng)險(xiǎn)[J];計(jì)算機(jī)與數(shù)字工程;2006年03期

10 糜元根;數(shù)據(jù)挖掘方法的評述[J];南京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年05期

本文編號：2894057