基于粗糙集的决策树算法研究及其在汽车售后服务中的应用

论文摘要

随着全球一体化进程的加快,我国汽车行业将面临激烈的竞争。在汽车拥有量持续增长的情况下,汽车售后服务市场也在不断完善。然而,目前客户对汽车售后服务的满意度并不高,究其原因,主要是缺少对客户售后消费行为特征的研究。针对这个问题,论文进行了调查和研究工作,希望能对目前的汽车售后服务市场起到一定的作用。论文对数据挖掘算法进行了研究,选择粗糙集和决策树作为建模算法。在对相关算法进行研究的基础上,对部分算法进行了改进。(1)针对传统决策树存在的诸如偏向于选择属性值较多的属性等缺点,通过引入增补权值,提出了WG_ID3算法;(2)针对传统粗糙集应用于完备信息系统的限制,论文提出一种改进的基于集对分析的可变精度粗糙集的属性约简算法,即SPA_VPRS算法:(3)针对多变量检测的构造问题所涉及的两个方面,提出一种基于粗糙集的多变量决策树构造算法(即SW_RS_MDT算法)。通过实验和对比分析,表明论文提出的改进算法与原有传统算法相比,在一定程度上提高了算法的效率和准确性。作为应用实例,论文构造了基于SW_RS_MDT算法的评估模型,并将该模型应用到汽车售后服务中。通过多次测试评估,提取出影响客户满意度的规则,并为汽车售后服务人员提供服务策略,从而提高客户的满意度,提升汽车售后服务行业的核心竞争能力。

论文目录

• 摘要
• Abstract
• 目录
• 1 引言
• 1.1 本研究领域的国内外研究现状
• 1.1.1 汽车售后服务的国内外研究现状
• 1.1.2 决策树技术在汽车销售中的研究现状
• 1.2 选题的依据及意义
• 1.3 课题研究方法、思路及预期成果
• 1.3.1 研究方法
• 1.3.2 研究思路
• 1.3.3 预期成果
• 1.4 论文研究的主要内容及结构安排
• 2 数据挖掘技术综述
• 2.1 数据挖掘的产生
• 2.2 数据挖掘发展的国内外发展现状
• 2.3 数据挖掘系统的一般结构
• 2.4 数据挖掘的分类
• 2.4.1 数据挖掘任务
• 2.4.2 数据挖掘对象
• 2.4.3 数据挖掘方法
• 2.5 数据挖掘的应用
• 2.6 数据挖掘软件的发展
• 2.7 数据挖掘的发展趋势
• 2.8 本章小结
• 3 决策树分类算法研究及改进
• 3.1 分类算法
• 3.1.1 分类算法概述
• 3.1.2 几种典型的分类算法
• 3.1.3 分类算法的比较
• 3.2 决策树分类算法
• 3.2.1 决策树算法概述
• 3.2.2 典型的决策树构造算法研究
• 3.3 决策树修剪
• 3.4 算法改进
• 3.5 本章小结
• 4 粗糙集分类方法研究
• 4.1 粗糙集理论概述
• 4.2 粗糙集理论的基本概念
• 4.2.1 知识的含义
• 4.2.2 知识表达系统和决策表
• 4.2.3 不可分辨关系
• 4.2.4 集合的上近似和下近似
• 4.2.5 知识约简与核
• 4.2.6 属性依赖度和属性重要度
• 4.2.7 粗糙集的观点
• 4.3 几种典型的属性约简算法
• 4.3.1 传统属性约简算法
• 4.3.2 基于区分矩阵的属性约简算法
• 4.3.3 其他基于启发式的属性约简算法及其复杂度分析
• 4.4 决策表的规则生成
• 4.4.1 传统值约简算法
• 4.4.2 基于启发式的规则生成算法
• 4.4.3 基于决策矩阵的规则提取算法
• 4.5 基于集对分析可变精度粗糙集的属性约简
• 4.5.1 可变精度粗糙集的基本概念
• 4.5.2 基于集对分析思想的可变精度粗糙集
• 4.5.3 基于集对分析的改进属性约简算法
• 4.6 本章小结
• 5 基于粗糙集理论的决策树算法研究及改进
• 5.1 基于粗糙集理论的数据挖掘模型
• 5.2 传统决策树的优缺点分析
• 5.3 基于粗糙集的多变量决策树
• 5.3.1 几种常见的基于粗糙集的多变量决策树构造算法
• RS_MDT）'>5.3.2 多变量决策树构造改进算法（SW_RS_MDT）
• 5.4 本章小结
• RS_MDT模型的设计及实现'>6 SW_RS_MDT模型的设计及实现
• 6.1 汽车售后服务的特点及售后服务评估的必要性
• 6.2 数据挖掘设计流程
• 6.2.1 数据挖掘环境简介
• 6.2.2 数据挖掘流程
• 6.2.3 实施数据挖掘项目需要考虑的问题
• 6.3 确定业务对象
• 6.4 数据准备
• 6.4.1 数据选择
• 6.4.2 数据清洗和预处理
• 6.5 评估模型的建立
• 6.5.1 售后服务评估模型的总体架构
• 6.5.2 售后服务评估模型的建立
• 6.5.3 实验结果与分析
• 6.6 提高售后服务水平的方法
• 6.7 本章小结
• 7 结论及将来的工作
• 7.1 论文取得的成果
• 7.2 存在的不足
• 7.3 今后进一步的研究内容
• 致谢
• 参考文献
• 附录A:攻读硕士期间发表论文清单