本文關鍵詞：基于遺傳算法的數(shù)據(jù)挖掘在客戶關系管理中的應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來信息產(chǎn)業(yè)的飛速發(fā)展,使得人們的生活節(jié)拍越來越快,我們可以隨時隨地獲取我們所需要的信息,在很多領域,數(shù)據(jù)都在以不同形式急速地增長,通過對數(shù)據(jù)庫的檢索或查詢而得出的數(shù)據(jù)已經(jīng)無法滿足我們所需要的結果。如何根據(jù)數(shù)據(jù)庫中的數(shù)據(jù)信息,挖掘出其背后潛在的聯(lián)系,為決策者做出關鍵決策提供依據(jù),從而使企業(yè)獲得更大的利益,是數(shù)據(jù)挖掘的重要目標和現(xiàn)實意義。 分類是數(shù)據(jù)挖掘的主要任務之一,分類的方法有很多種,其中決策樹分類算法是數(shù)據(jù)分類和預測的常用工具。C4.5是最常用的決策樹分類方法。該算法具有計算復雜度低,分類精度高等特點。但該算法選取最大的屬性增益率作為劃分屬性,一旦建立,很難悔改,由此極易陷入局部最優(yōu)解。遺傳算法是模仿生物界的進化規(guī)律而演化來的隨機搜索算法,具有強大的全局尋優(yōu)能力,從而搜索到最優(yōu)解。遺傳算法采用適應度函數(shù)來評價個體解,當個體的適應度值較大時,被選擇的概率增加,后代中所含該基因的概率增加,則種群的解趨于某個解,失去了多樣性解,算法過早的收斂,也就是常說的“早熟”現(xiàn)象。免疫遺傳算法是在遺傳算法中借鑒生物免疫學原理,利用抗體的濃度和親和度來選擇個體,從而提高個體選擇的多樣性,以此來克服遺傳算法的早熟問題,提高全局搜索能力。 如何利用免疫遺傳算法更好地優(yōu)化C4.5分類算法,優(yōu)勢互補,提高分類精度,是本文的研究目的。首先,利用C4.5算法構建決策樹,用模糊分類規(guī)則表示每條決策樹分支,形成一個完整的分類規(guī)則集,然后,將分類規(guī)則集中的每條規(guī)則作為個體,利用免疫遺傳算法基于濃度和親和度的基礎上選擇優(yōu)秀的個體進行遺傳操作,輸出新的抗體,形成新的分類規(guī)則。最后,當種群的進化代數(shù)達到指定的終止代數(shù)時,免疫遺傳算法停止。與C4.5算法相比,該算法有效地提高了決策樹的分類精度。文章最后將改進的算法運用到銀行客戶關系管理中,對客戶進行風險等級評估,得到了良好的分類效果。
【關鍵詞】：C4.5 決策樹 遺傳算法 免疫遺傳算法 數(shù)據(jù)挖掘 客戶關系管理
【學位授予單位】：大連交通大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP18;TP311.13
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-11
• 第一章 緒論11-19
• 1.1 選題背景及意義11-12
• 1.2 國內外研究現(xiàn)狀12-17
• 1.2.1 客戶關系管理的現(xiàn)狀12-13
• 1.2.2 數(shù)據(jù)挖掘的現(xiàn)狀13-16
• 1.2.3 遺傳算法的現(xiàn)狀16-17
• 1.3 本文的主要工作與結構17-18
• 1.3.1 本文的主要工作17
• 1.3.2 本文的結構安排17-18
• 本章小結18-19
• 第二章 數(shù)據(jù)挖掘及分類方法的概述19-33
• 2.1 數(shù)據(jù)挖掘的理論19-21
• 2.1.1 數(shù)據(jù)挖掘的概念19
• 2.1.2 數(shù)據(jù)挖掘的任務19-20
• 2.1.3 數(shù)據(jù)挖掘的過程20-21
• 2.2 分類的概述21-22
• 2.2.1 分類的基本概念21
• 2.2.2 分類的步驟21-22
• 2.3 決策樹方法22-30
• 2.3.1 決策樹算法的基本理論22-23
• 2.3.2 決策樹的生成23
• 2.3.3 決策樹的剪枝算法23-24
• 2.3.4 常用的決策樹分類算法24-30
• 2.4 分類算法評價標準與方法30-31
• 2.5 數(shù)據(jù)挖掘在CRM中的應用31-32
• 本章小結32-33
• 第三章 免疫遺傳算法33-43
• 3.1 遺傳算法33-37
• 3.1.1 遺傳算法的原理33
• 3.1.2 遺傳算法的基本操作33-36
• 3.1.3 遺傳算法的特點36-37
• 3.2 免疫遺傳算法37-40
• 3.2.1 免疫遺傳算法的基本原理37-38
• 3.2.2 免疫遺傳算法的具體流程38-40
• 3.2.3 免疫遺傳算法特點40
• 3.3 仿真實驗40-42
• 本章小結42-43
• 第四章 基于免疫遺傳算法的分類算法(NIGCA)分析43-50
• 4.1 問題的提出43
• 4.2 基于免疫遺傳算法的決策樹構造思想43
• 4.3 基于免疫遺傳算法的決策樹算法的設計43-49
• 4.3.1 編碼方案43-44
• 4.3.2 初始種群及適應度函數(shù)的設計44-45
• 4.3.3 選擇操作45-46
• 4.3.4 交叉和變異操作46
• 4.3.5 改進算法的流程46-47
• 4.3.6 實驗結果及分析47-49
• 本章小結49-50
• 第五章 NIGCA算法在銀行客戶關系管理中的應用分析50-59
• 5.1 引言50-51
• 5.2 挖掘的目的51
• 5.3 模型的實現(xiàn)51-58
• 5.3.1 運行環(huán)境及挖掘工具51-53
• 5.3.2 數(shù)據(jù)的準備53-56
• 5.3.3 挖掘結果及分析56-58
• 5.4 模型的評估58
• 本章小結58-59
• 結論59-61
• 參考文獻61-64
• 附錄A 附錄內容名稱64-66
• 攻讀碩士學位期間發(fā)表的學術論文66-67
• 致謝67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 苑進,孫忠林,劉雪美;改進遺傳算法在齒輪減速器優(yōu)化中的應用[J];山東科技大學學報(自然科學版);2001年04期

2 劉雅琴,遲洪欽;最優(yōu)合并構成的有序遺傳算法[J];上海師范大學學報(自然科學版);2001年04期

3 程錦松;求多項式全部根的遺傳算法[J];微機發(fā)展;2001年01期

4 程錦松,劉鋒;基于分布理論和遺傳算法的多項式求根算法[J];微機發(fā)展;2001年06期

5 周林,婁壽春,趙杰;基于遺傳算法的目標優(yōu)化分配模型[J];系統(tǒng)仿真學報;2001年03期

6 趙勝利;李書全;劉燕;劉永建;田偉;;用遺傳算法確定鮑羅米公式中的系數(shù)A、B值[J];河北農(nóng)業(yè)大學學報;2002年03期

7 許世剛,高新陵;分流機制遺傳算法研究[J];系統(tǒng)工程與電子技術;2002年07期

8 孫進平 ,吳瑞明 ,翟瑞紅 ,劉忠武;基于遺傳算法的工藝決策模式的探索[J];現(xiàn)代制造工程;2002年01期

9 胡靜,陳恩紅,王上飛,王熙法;交互式遺傳算法中收斂性及用戶評估質量的提高[J];中國科學技術大學學報;2002年02期

10 吳青萍;一種新的優(yōu)化方法——遺傳算法原理及其應用[J];常州信息職業(yè)技術學院學報;2002年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

2 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

3 林家恒;李國鋒;田國會;劉長有;;遺傳算法在旋轉貨架揀選優(yōu)化中的應用[A];1996中國控制與決策學術年會論文集[C];1996年

4 史駿;裘聿皇;;遺傳算法中基因排列方式對運行的影響[A];1996年中國控制會議論文集[C];1996年

5 韓戰(zhàn)鋼;;遺傳算法及在經(jīng)濟中的應用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛運建;王定成;江建舉;;遺傳算法在運動員技術動作優(yōu)化中的應用研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

7 文涇;朱玉文;;用遺傳算法進行航線規(guī)劃[A];全國第16屆計算機科學與技術應用（CACIS）學術會議論文集[C];2004年

8 于春梅;黃玉清;楊勝波;;遺傳算法在參數(shù)辨識中的應用進展[A];中國自動化學會、中國儀器儀表學會2004年西南三省一市自動化與儀器儀表學術年會論文集[C];2004年

9 王志宏;王斌;;基于遺傳算法的非確定性目標優(yōu)化[A];中國自動化學會全國第九屆自動化新技術學術交流會論文集[C];2004年

10 王曉東;劉全利;金吉凌;王偉;;基于序次優(yōu)化策略的改進遺傳算法[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 林京;《神經(jīng)網(wǎng)絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

2 高雪娟;協(xié)同設計的平臺策略[N];中國計算機報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

2 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

3 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

4 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

5 唐文艷;結構優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

6 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

7 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應用研究[D];四川大學;2005年

8 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

9 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學;2007年

10 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 谷克;遺傳算法在公路路線智能決策系統(tǒng)中的應用研究[D];長安大學;2008年

2 李艷嬌;基于改進遺傳算法的剛架結構截面力學特性參數(shù)優(yōu)化的研究[D];吉林大學;2009年

3 任巍;求解極小碰集的遺傳算法的研究與改進[D];吉林大學;2009年

4 王赫;混沌遺傳算法在模式識別中的應用[D];東北電力大學;2009年

5 于蕾蕾;雙種群遺傳算法的改進及其應用研究[D];合肥工業(yè)大學;2009年

6 王婧;遺傳算法及其在聚類分析中的應用[D];華中師范大學;2009年

7 胡文斯;基于遺傳算法的車間作業(yè)調度問題的研究[D];中國海洋大學;2009年

8 吳明華;基于遺傳算法的養(yǎng)護機械生產(chǎn)車間作業(yè)調度問題的研究[D];長安大學;2007年

9 尉鈺;基于改進遺傳算法的橋梁模型動力優(yōu)化[D];長安大學;2007年

10 王銀年;遺傳算法的研究與應用[D];江南大學;2009年

  本文關鍵詞：基于遺傳算法的數(shù)據(jù)挖掘在客戶關系管理中的應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：471839