基于进化理论的用户流失预测分析

基于进化理论的用户流失预测分析

刘光远¹, 苑森淼², 董立岩², 李永丽³

1. 吉林大学通信工程学院, 长春 130022； 2. 吉林大学计算机科学与技术学院, 长春 130012；3. 东北师范大学计算机学院, 长春 130024

收稿日期:2006-10-10 修回日期:1900-01-01 出版日期:2007-03-26 发布日期:2007-03-26
通讯作者: 苑森淼

Customer Churn Analysis in Mobile Communication Based on Evolutionary Learning

LIU Guangyuan¹, YUAN Senmiao², DONG Liyan², LI Yongli³

1. College of Communication Engineering, Jilin University, Changchun 130022, China;2. College of Computer Science and Technology, Jilin University, Changchun 130012, China;3. School of Computer Science, Northeast Normal University, Changchun 130024, China

Received:2006-10-10 Revised:1900-01-01 Online:2007-03-26 Published:2007-03-26
Contact: YUAN Senmiao

摘要/Abstract

摘要： 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.

关键词: 数据挖掘, 进化算法, 用户流失

Abstract: This paper presents the process of customer churn prediction via data mining, aiming at the BOSS of telecommunication, and deals with Evolutionary Algorithm and the Discretization of continuous data, then brings for ward EACA （Evolutionary Algorithm for Churning Analysis） algorithm to mining the mass churning rule of telecommunication companies.

Key words: data mining, evolutionary algorithm, customer churn

中图分类号:

TP18

刘光远, 苑森淼, 董立岩, 李永丽. 基于进化理论的用户流失预测分析[J]. J4, 2007, 45(02): 256-258.

LIU Guangyuan, YUAN Senmiao, DONG Liyan, LI Yongli. Customer Churn Analysis in Mobile Communication Based on Evolutionary Learning[J]. J4, 2007, 45(02): 256-258.

[1]	袁倩影, 全海燕. 基于新进化优化BP学习算法的心音识别方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1195-1201.
[2]	尹伟石, 李嘉琦. 基于Bayes微分进化算法的热源识别反问题[J]. 吉林大学学报(理学版), 2019, 57(3): 517-522.
[3]	金晓民, 张丽萍. 基于最小生成树的多层次k-Means聚类算法及其在数据挖掘中的应用[J]. 吉林大学学报(理学版), 2018, 56(5): 1187-1192.
[4]	冯锋, 张珑耀, 张青. 基于软集上逻辑公式的极大关联规则描述与挖掘方法[J]. 吉林大学学报(理学版), 2018, 56(4): 901-908.
[5]	匡珍春, 冼远清. 基于XML配置框架下多维度扩展贪心算法[J]. 吉林大学学报(理学版), 2018, 56(3): 688-691.
[6]	尚靖博, 左万利. 基于清晰有理数均值的新匹配聚类算法[J]. 吉林大学学报(理学版), 2018, 56(2): 399-401.
[7]	王文霞. 数据挖掘中改进的C4.5决策树分类算法[J]. 吉林大学学报(理学版), 2017, 55(05): 1274-1277.
[8]	周鹏, 熊运余. 基于数据挖掘的网络状态异常检测[J]. 吉林大学学报(理学版), 2017, 55(05): 1269-1273.
[9]	孙顺远, 孙丽, 陈树. 三维环境下无线传感器网络的部署覆盖方法[J]. 吉林大学学报(理学版), 2016, 54(05): 1109-1116.
[10]	曹莹, 苗志刚. 基于向量矩阵优化频繁项的改进Apriori算法[J]. 吉林大学学报(理学版), 2016, 54(02): 349-353.
[11]	孙金岭, 庞娟. 基于残差修正的灰色神经网络在数据挖掘中的应用[J]. 吉林大学学报(理学版), 2015, 53(06): 1263-1268.
[12]	郭其标, 李秉键. 基于最小信息准则和BP算法的网络入侵检测[J]. 吉林大学学报(理学版), 2015, 53(04): 715-719.
[13]	付志军, 冯丽, 杜伟宁, 凌振宝, 杨凤芹. 离散粒子群优化算法在流水作业调度问题中的应用[J]. 吉林大学学报(理学版), 2014, 52(03): 561-564.
[14]	于潇菂, 努尔布力, 胡亮, 解男男. 一种基于数据挖掘的多步入侵警报关联模型[J]. 吉林大学学报(理学版), 2013, 51(05): 881-886.
[15]	徐淑坦, 王朝勇, 孙延风. 一种不均衡数据的改进蚁群分类算法[J]. J4, 2011, 49(04): 733-739.