隨著大數(shù)據(jù)時代的到來,機器學(xué)習(xí)技術(shù)不斷發(fā)展。商業(yè)銀行使用以產(chǎn)品為中心的傳統(tǒng)營銷手段無法準確定位客戶的喜好,越來越難以提高銀行在市場中的競爭力。新的銀行營銷策略強調(diào)要與原有客戶形成長期發(fā)展的穩(wěn)定關(guān)系,充分利用大數(shù)據(jù)資源對客戶需求進行準確分析,在產(chǎn)品營銷前對客戶進行分類,預(yù)測客戶是否訂購銀行理財產(chǎn)品,對于不同客戶進行有針對性的定向營銷。因此,本文研究了機器學(xué)習(xí)中的BP神經(jīng)網(wǎng)絡(luò)算法,對BP神經(jīng)網(wǎng)絡(luò)算法加以改進,并設(shè)計實現(xiàn)了一個對客戶進行定向營銷的銀行營銷系統(tǒng)。論文的主要工作如下:1.針對BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)選擇方法存在高度不確定性的問題,本文使用萬有引力搜索算法進行網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化。針對BP神經(jīng)網(wǎng)絡(luò)容易過擬合的問題,使用Bagging集成學(xué)習(xí)算法對萬有引力搜索算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)進行集成。使用Bank Marketing數(shù)據(jù)集對算法進行仿真實驗,并與基于經(jīng)驗公式法、遺傳算法和模擬退火算法的網(wǎng)絡(luò)結(jié)構(gòu)選擇方法進行對比實驗。實驗結(jié)果表明,本文中基于萬有引力搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的方法使得BP神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差更小,算法收斂到最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)所需的迭代次數(shù)更少。使用Bagging算法與Adabo... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究工作
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)技術(shù)理論介紹
    2.1 BP神經(jīng)網(wǎng)絡(luò)
        2.1.1 BP神經(jīng)網(wǎng)絡(luò)原理
        2.1.2 BP神經(jīng)網(wǎng)絡(luò)算法
    2.2 集成學(xué)習(xí)
        2.2.1 集成學(xué)習(xí)原理
        2.2.2 集成學(xué)習(xí)的分類
        2.2.3 集成學(xué)習(xí)中的結(jié)合策略
    2.3 本章小結(jié)
第三章 BP神經(jīng)網(wǎng)絡(luò)算法的改進和集成
    3.1 BP神經(jīng)網(wǎng)絡(luò)中的問題
    3.2 改進的神經(jīng)網(wǎng)絡(luò)集成算法
        3.2.1 萬有引力搜索算法(GSA)
        3.2.2 基于GSA改進的BP神經(jīng)網(wǎng)絡(luò)算法
        3.2.3 神經(jīng)網(wǎng)絡(luò)的集成
    3.3 實驗與分析
        3.3.1 數(shù)據(jù)集介紹
        3.3.2 評價指標
        3.3.3 實驗結(jié)果
    3.4 本章小結(jié)
第四章 銀行營銷系統(tǒng)的設(shè)計與實現(xiàn)
    4.1 系統(tǒng)需求分析
    4.2 系統(tǒng)架構(gòu)設(shè)計
    4.3 系統(tǒng)功能設(shè)計與實現(xiàn)
        4.3.1 用戶管理功能設(shè)計與實現(xiàn)
        4.3.2 項目管理功能設(shè)計與實現(xiàn)
        4.3.3 營銷管理功能設(shè)計與實現(xiàn)
    4.4 數(shù)據(jù)庫設(shè)計
        4.4.1 概念結(jié)構(gòu)設(shè)計
        4.4.2 數(shù)據(jù)庫表設(shè)計
    4.5 本章小結(jié)
第五章 系統(tǒng)測試
    5.1 測試環(huán)境介紹
    5.2 系統(tǒng)測試方法
    5.3 系統(tǒng)功能測試
        5.3.1 項目管理功能測試
        5.3.2 營銷管理功能測試
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于PSO-BP集成的國內(nèi)外企業(yè)信用風(fēng)險評估[J]. 陳云,石松.  計算機應(yīng)用研究. 2014(09)
[2]核主成分遺傳算法與SVR選股模型改進[J]. 蘇治,傅曉媛.  統(tǒng)計研究. 2013(05)
[3]基于優(yōu)化加權(quán)參數(shù)的AdaBoost人臉檢測算法[J]. 繆丹權(quán),鄭河榮,顧國民.  計算機工程與應(yīng)用. 2014(19)
[4]基于ν-SVR的商業(yè)銀行信用風(fēng)險評估[J]. 陳剛,陸嘉駿,劉澄,劉祥東,王洋洋.  中國管理信息化. 2012(16)
[5]基于價值投資的PCA-SVM股票選擇模型研究[J]. 李云飛,龔冬生,惠曉峰.  西安工程大學(xué)學(xué)報. 2009(03)
[6]一種基于遺傳算法的改進的BP算法[J]. 高宏賓,焦東升,彭商濂.  計算機與現(xiàn)代化. 2006(03)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的物流企業(yè)客戶滿意度評價技術(shù)研究[D]. 陶毅赟.上海交通大學(xué) 2009



本文編號：3662580