扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
大数据处理方法与电信客户价值管理 版权信息
- ISBN：9787121394560
- 条形码：9787121394560 ; 978-7-121-39456-0
- 装帧：暂无
- 册数：暂无
- 重量：暂无
- 所属分类：>>
大数据处理方法与电信客户价值管理 内容简介
本书集结了作者近年来在大数据及其应用领域的研究成果, 针对大数据高效处理问题, 从点排序识别聚类、多标签排序、不平衡数据采样、主动学习、增量学习等方面研究并设计了相关算法。在此基础上, 对大数据环境下电信客户价值评价、客户换机预测和客户流失预测等问题, 设计了相关算法、流程和仿真实验, 并提出了一些合理化的建议, 为大数据分析与在相关行业的应用提供了参考。
大数据处理方法与电信客户价值管理 目录
目 录
第1章 大数据处理概述 1
1．1 大数据的定义 1
1．2 大数据带来的挑战与机遇 3
1．3 大数据研究的现状 5
1．3．1 大数据处理平台 5
1．3．2 大数据处理算法 6
1．3．3 大数据应用研究 9
1．4 大数据研究的挑战与趋势 10
1．5 本章小结 11
参考文献 12
第2章 Spark点排序识别聚类结构算法 19
2．1 引言 19
2．2 点排序识别聚类结构算法 21
2．3 Spark并行内存计算框架 23
2．4 基于Spark的OPTICS算法 25
2．5 仿真实验与结果分析 27
2．5．1 度量标准 27
2．5．2 数据集与运行环境 28
2．5．3 实验方法 29
2．5．4 实验结果与分析 29
2．6 本章小结 32
参考文献 33
第3章 Spark标签校准排序多标签算法 35
3．1 引言 35
3．2 校准标签排序算法与并行化研究 36
3．2．1 校准标签排序算法介绍 36
3．2．2 校准标签排序算法研究现状 37
3．3 朴素贝叶斯校准标签排序方法 37
3．3．1 朴素贝叶斯概率模型 37
3．3．2 朴素贝叶斯校准标签排序算法 38
3．3．3 仿真实验与结果分析 40
3．4 朴素贝叶斯校准标签排序方法的并行化研究 44
3．4．1 Spark并行化内存计算 44
3．4．2 朴素贝叶斯校准标签排序算法的并行化研究 45
3．4．3 仿真实验与结果分析 47
3．5 本章小结 51
参考文献 52
第4章 不平衡数据的样本权重欠采样方法 54
4．1 引言 54
4．2 不平衡数据处理的相关方法 55
4．2．1 K-means聚类算法 55
4．2．2 AdaCost算法 56
4．2．3 Bagging算法 58
4．3 基于样本权重的欠采样方法 59
4．3．1 样本权重的确定 59
4．3．2 分类器加权投票 60
4．4 仿真实验与结果分析 61
4．4．1 分类的评价方法 61
4．4．2 非参数统计检验方法 62
4．4．3 UCI数据集检验 63
4．5 本章小结 67
参考文献 68
第5章 不平衡数据的三支决策过采样算法 70
5．1 引言 70
5．2 三支决策粗糙集 71
5．2．1 邻域模型 71
5．2．2 邻域三支决策模型 71
5．3 不平衡数据的三支决策过采样算法 74
5．3．1 算法思路 74
5．3．2 算法描述与分析 76
5．4 仿真实验与结果分析 77
5．4．1 数据集选择 77
5．4．2 实验方法 78
5．4．3 实验结果分析 79
5．5 本章小结 84
参考文献 84
第6章 三支决策主动学习方法 87
6．1 引言 87
6．2 主动学习理论 88
6．2．1 主动学习工作机制 88
6．2．2 主动学习方法的分类 88
6．3 三支决策主动学习 89
6．3．1 对冗余信息的删减 89
6．3．2 对无标签样本的区域划分 90
6．3．3 对不同区域样本的处理 91
6．3．4 算法描述 92
6．4 仿真实验与结果分析 95
6．4．1 数据集选择 95
6．4．2 实验方法 95
6．4．3 实验结果分析 96
6．5 本章小结 100
参考文献 100
第7章 邻域粗糙集主动学习方法 104
7．1 引言 104
7．2 邻域粗糙集基本理论 104
7．3 邻域粗糙集主动学习算法 106
7．3．1 算法思路 106
7．3．2 算法描述 109
7．4 仿真实验与结果分析 110
7．4．1 数据集与实验方法 110
7．4．2 结果与分析 111
7．5 本章小结 117
参考文献 118
第8章 决策熵增量学习方法 120
8．1 引言 120
8．2 粗糙集的基本概念 121
8．3 决策熵增量知识获取算法 123
8．3．1 算法复杂度分析 126
8．3．2 实例分析 126
8．4 仿真实验与结果分析 128
8．4．1 UCI数据集测试 128
8．4．2 KDDCUP99数据集测试 130
8．4．3 KDDCUP99数据集连续增量测试 130
8．5 本章小结 131
参考文献 131
第9章 MapReduce并行增量FP-Growth算法 133
9．1 引言 133
9．2 MapReduce编程模型与Hadoop平台 135
9．2．1 MapReduce编程模型 135
9．2．1 Hadoop平台介绍 136
9．3 MapReduce增量FP-Growth算法 138
9．3．1 增量学习 138
9．3．2 FP-Growth算法 139
9．3．3 MapReduce并行FP-Growth算法 140
9．3．4 MapReduce并行增量FP-Growth算法 141
9．4 仿真实验与结果分析 143
9．4．1 MapReduce并行增量FP-Growth算法单机效率测试 143
9．4．2 MapReduce并行增量FP-Growth算法集群效率测试 143
9．4．3 Mapreduce并行增量FP-Growth算法性能测试 146
9．5 本章小结 149
参考文献 149
第10章 电信客户价值评价 151
10．1 引言 151
10．2 客户价值与评价 152
10．2．1 客户价值的概念 152
10．2．2 电信客户价值与评价 153
10．3 优势关系粗糙集的基本概念 155
10．4 领域及数据驱动的数据挖掘模型 156
10．4．1 数据驱动的数据挖掘 156
10．4．2 领域驱动的数据挖掘 157
10．4．3 面向领域的数据驱动的数据挖掘 158
10．5 领域及数据驱动的电信客户价值评价方法 159
10．5．1 电信客户价值评价的特征提取 159
10．5．2 电信客户价值评价流程 161
10．5．3 电信客户价值评价算法 162
10．6 仿真实验 163
10．6．1 算法效果验证 163
10．6．2 算法应用 165
10．7 本章小结 167
参考文献 167
第11章 电信客户换机预测 171
11．1 引言 171
11．2 优势关系粗糙集换机预测方法 172
11．2．1 算法描述 172
11．2．2 仿真实验 174
11．3 数据驱动的电信客户换机预测方法 179
11．3．1 手机客户特征提取 179
11．3．2 算法描述 180
11．3．3 仿真实验 182
11．4 本章小结 185
参考文献 186
第12章 电信客户流失预测 188
12．1 引言 188
12．2 C4．5决策树及其改进算法 189
12．2．1 C4．5决策树 189
12．2．2 改进C4．5决策树算法 190
12．3 改进C4．5决策树不平衡数据抽样方法 191
12．3．1 算法思路 191
12．3．2 算法描述 192
12．4 实验与结果分析 193
12．4．1 电信客户流失预测流程 194
12．4．2 实验数据选择 195
12．2．3 实验结果与分析 196
12．5 本章小结 198
参考文献 198
第1章 大数据处理概述 1
1．1 大数据的定义 1
1．2 大数据带来的挑战与机遇 3
1．3 大数据研究的现状 5
1．3．1 大数据处理平台 5
1．3．2 大数据处理算法 6
1．3．3 大数据应用研究 9
1．4 大数据研究的挑战与趋势 10
1．5 本章小结 11
参考文献 12
第2章 Spark点排序识别聚类结构算法 19
2．1 引言 19
2．2 点排序识别聚类结构算法 21
2．3 Spark并行内存计算框架 23
2．4 基于Spark的OPTICS算法 25
2．5 仿真实验与结果分析 27
2．5．1 度量标准 27
2．5．2 数据集与运行环境 28
2．5．3 实验方法 29
2．5．4 实验结果与分析 29
2．6 本章小结 32
参考文献 33
第3章 Spark标签校准排序多标签算法 35
3．1 引言 35
3．2 校准标签排序算法与并行化研究 36
3．2．1 校准标签排序算法介绍 36
3．2．2 校准标签排序算法研究现状 37
3．3 朴素贝叶斯校准标签排序方法 37
3．3．1 朴素贝叶斯概率模型 37
3．3．2 朴素贝叶斯校准标签排序算法 38
3．3．3 仿真实验与结果分析 40
3．4 朴素贝叶斯校准标签排序方法的并行化研究 44
3．4．1 Spark并行化内存计算 44
3．4．2 朴素贝叶斯校准标签排序算法的并行化研究 45
3．4．3 仿真实验与结果分析 47
3．5 本章小结 51
参考文献 52
第4章 不平衡数据的样本权重欠采样方法 54
4．1 引言 54
4．2 不平衡数据处理的相关方法 55
4．2．1 K-means聚类算法 55
4．2．2 AdaCost算法 56
4．2．3 Bagging算法 58
4．3 基于样本权重的欠采样方法 59
4．3．1 样本权重的确定 59
4．3．2 分类器加权投票 60
4．4 仿真实验与结果分析 61
4．4．1 分类的评价方法 61
4．4．2 非参数统计检验方法 62
4．4．3 UCI数据集检验 63
4．5 本章小结 67
参考文献 68
第5章 不平衡数据的三支决策过采样算法 70
5．1 引言 70
5．2 三支决策粗糙集 71
5．2．1 邻域模型 71
5．2．2 邻域三支决策模型 71
5．3 不平衡数据的三支决策过采样算法 74
5．3．1 算法思路 74
5．3．2 算法描述与分析 76
5．4 仿真实验与结果分析 77
5．4．1 数据集选择 77
5．4．2 实验方法 78
5．4．3 实验结果分析 79
5．5 本章小结 84
参考文献 84
第6章 三支决策主动学习方法 87
6．1 引言 87
6．2 主动学习理论 88
6．2．1 主动学习工作机制 88
6．2．2 主动学习方法的分类 88
6．3 三支决策主动学习 89
6．3．1 对冗余信息的删减 89
6．3．2 对无标签样本的区域划分 90
6．3．3 对不同区域样本的处理 91
6．3．4 算法描述 92
6．4 仿真实验与结果分析 95
6．4．1 数据集选择 95
6．4．2 实验方法 95
6．4．3 实验结果分析 96
6．5 本章小结 100
参考文献 100
第7章 邻域粗糙集主动学习方法 104
7．1 引言 104
7．2 邻域粗糙集基本理论 104
7．3 邻域粗糙集主动学习算法 106
7．3．1 算法思路 106
7．3．2 算法描述 109
7．4 仿真实验与结果分析 110
7．4．1 数据集与实验方法 110
7．4．2 结果与分析 111
7．5 本章小结 117
参考文献 118
第8章 决策熵增量学习方法 120
8．1 引言 120
8．2 粗糙集的基本概念 121
8．3 决策熵增量知识获取算法 123
8．3．1 算法复杂度分析 126
8．3．2 实例分析 126
8．4 仿真实验与结果分析 128
8．4．1 UCI数据集测试 128
8．4．2 KDDCUP99数据集测试 130
8．4．3 KDDCUP99数据集连续增量测试 130
8．5 本章小结 131
参考文献 131
第9章 MapReduce并行增量FP-Growth算法 133
9．1 引言 133
9．2 MapReduce编程模型与Hadoop平台 135
9．2．1 MapReduce编程模型 135
9．2．1 Hadoop平台介绍 136
9．3 MapReduce增量FP-Growth算法 138
9．3．1 增量学习 138
9．3．2 FP-Growth算法 139
9．3．3 MapReduce并行FP-Growth算法 140
9．3．4 MapReduce并行增量FP-Growth算法 141
9．4 仿真实验与结果分析 143
9．4．1 MapReduce并行增量FP-Growth算法单机效率测试 143
9．4．2 MapReduce并行增量FP-Growth算法集群效率测试 143
9．4．3 Mapreduce并行增量FP-Growth算法性能测试 146
9．5 本章小结 149
参考文献 149
第10章 电信客户价值评价 151
10．1 引言 151
10．2 客户价值与评价 152
10．2．1 客户价值的概念 152
10．2．2 电信客户价值与评价 153
10．3 优势关系粗糙集的基本概念 155
10．4 领域及数据驱动的数据挖掘模型 156
10．4．1 数据驱动的数据挖掘 156
10．4．2 领域驱动的数据挖掘 157
10．4．3 面向领域的数据驱动的数据挖掘 158
10．5 领域及数据驱动的电信客户价值评价方法 159
10．5．1 电信客户价值评价的特征提取 159
10．5．2 电信客户价值评价流程 161
10．5．3 电信客户价值评价算法 162
10．6 仿真实验 163
10．6．1 算法效果验证 163
10．6．2 算法应用 165
10．7 本章小结 167
参考文献 167
第11章 电信客户换机预测 171
11．1 引言 171
11．2 优势关系粗糙集换机预测方法 172
11．2．1 算法描述 172
11．2．2 仿真实验 174
11．3 数据驱动的电信客户换机预测方法 179
11．3．1 手机客户特征提取 179
11．3．2 算法描述 180
11．3．3 仿真实验 182
11．4 本章小结 185
参考文献 186
第12章 电信客户流失预测 188
12．1 引言 188
12．2 C4．5决策树及其改进算法 189
12．2．1 C4．5决策树 189
12．2．2 改进C4．5决策树算法 190
12．3 改进C4．5决策树不平衡数据抽样方法 191
12．3．1 算法思路 191
12．3．2 算法描述 192
12．4 实验与结果分析 193
12．4．1 电信客户流失预测流程 194
12．4．2 实验数据选择 195
12．2．3 实验结果与分析 196
12．5 本章小结 198
参考文献 198
展开全部
大数据处理方法与电信客户价值管理 作者简介
邓维斌：男，1978年生，中共党员，博士，教授，硕士生导师，交通部交通运输青年科技英才，Queensland University of Technology、Poznan University of Technology访问学者。现任重庆邮电大学邮政研究院副院长，重庆市人工智能学会理事，国际粗糙集学会（IRSS）会员。主要从事大数据分析、不确定性决策、现代物流与快递服务等方面的研究。近年来主持和参与了包括国家重点研发计划、国家自然科学基金和社会科会基金等项目10余项，承担和参与了国家邮政管理局、重庆市发展委、渝中区、巴南区等委托的各类横向合作课题20余项；在Fundamenta Informaticae、《计算机学报》《系统工程理论与实践》等SCI、权威期刊等发表研究论文50余篇；在科学出版社、电子工业出版社等出版专著和教材7部。
书友推荐
- >
有舍有得是人生
有舍有得是人生
¥21.2¥45.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥16.0¥45.8 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
罗庸西南联大授课录
罗庸西南联大授课录
¥21.1¥32.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥37.4¥49.8 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥6.3¥14.0 - >
二体千字文
二体千字文
¥16.0¥40.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0
本类畅销
-
算法与数据结构:C语言版
¥22.3¥29 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6 -
2023读书月阅读盲盒——我什么场面没见过？
¥42.3¥158
