基于遗传神经网络模型的客户分类管理应用研究

论文题目: 基于遗传神经网络模型的客户分类管理应用研究

论文类型: 硕士论文

论文专业: 管理科学与工程

作者: 许保荣

导师: 何建敏

关键词: 客户关系管理,数据挖掘,客户分类,神经网络

文献来源: 东南大学

发表年度: 2005

论文摘要: 随着客户数据爆炸性的增长和数据管理技术的广泛应用,客户关系管理与数据挖掘技术的结合已是一种发展趋势,而数据挖掘技术在客户分类中的应用是数据分类技术在现代管理中的一种最为普遍的应用。本文首先介绍了客户关系管理的基本含义及其体系结构,重点说明了客户关系管理中客户分类重要性、依据和步骤;其次,介绍数据挖掘的含义、分类和功能,接着着重分析了数据挖掘技术用于客户分类的方法;再次,介绍神经网络和遗传算法两种方法,鉴于神经网络的缺点,给出运用遗传算法进行优化,得出遗传算法与神经网络结合的基本方法;最后,实证研究单纯神经网络与遗传神经网络数据挖掘技术用于银行客户分类,比较这两种技术用于客户分类的可行性与准确性,结果表明运用遗传神经网络进行分类具有更高的准确性。

论文目录:

摘要

ABSTRACT

前言

一、研究意义

二、国内外研究现状与发展趋势

三、主要研究内容

四、论文的主要内容与结构

第一章客户关系管理概述

1.1 客户关系管理（CRM）的基本含义

1.2 CRM 体系结构简述

1.3 CRM 中的客户分类及其步骤

1.3.1 客户分类的依据

1.3.2 客户风险分类

1.3.3 客户价值分类

1.3.4 客户分类管理的步骤

1.4 客户关系管理的发展趋势

1.5 小结

第二章数据挖掘方法概述

2.1 数据挖掘的定义

2.2 数据挖掘的分类

2.3 数据挖掘功能

2.4 数据挖掘用于客户分类的主要方法

2.5 小结

第三章神经网络与遗传神经网络综述

3.1 神经网络概述

3.1.1 神经网络发展概况

3.1.2 基本神经网络模型

3.1.3 神经网络的学习方法

3.1.4 前向神经网络及其误差反向传播(BP)算法

3.2 遗传算法概述

3.2.1 遗传算法的基本概念

3.2.2 遗传算法的基本运算

3.3 遗传算法优化神经网络

3.3.1 神经网络的缺陷

3.3.2 遗传算法的特点

3.3.3 神经网络与遗传算法的结合

3.4 小结

第四章两种网络模型在客户分类中的应用分析

4.1 模型数据准备

4.1.1 论文实践数据来源

4.1.2 所获数据指标与指标的标准化方法

4.2 用神经网络（BP）进行客户分类

4.2.1 BP 网络的结构的确定

4.2.2 用MATLAB 实现神经网络

4.3 用遗传神经网络进行客户分类

4.4 模型训练结果的验证

4.4.1 模型的验证方法

4.4.2 神经网络模型训练结果分析

4.4.3 遗传神经网络模型结果分析

4.5 小结

第五章结论与展望

致谢

附录一

参考文献

在校期间发表论文和参与课题研究

发布时间: 2007-06-11

参考文献

[1].基于遗传神经网络的工时定额计算方法研究[D]. 郭超.中国工程物理研究院2009
[2].基于遗传神经网络的陕西省土地利用结构模型研究[D]. 戴淼.长安大学2008
[3].基于遗传神经网络的函数求导方法研究[D]. 刘向虎.广西民族大学2007
[4].基于遗传神经网络的城市圈物流需求预测[D]. 夏建民.江西师范大学2017
[5].基于遗传神经网络的天津市公共机构能耗数据分析模型研究[D]. 张忠慧.天津理工大学2014
[6].数据挖掘技术在会员制超市客户关系管理中的应用研究[D]. 杨春雷.兰州理工大学2008
[7].数据挖掘技术在客户需求分析中的应用研究[D]. 赵宏霞.辽宁工程技术大学2005
[8].数据挖掘在客户关系管理中的应用研究[D]. 周萍.山东大学2009
[9].客户关系管理中数据挖掘的应用[D]. 李杨.南京工业大学2004
[10].数据挖掘技术在银行客户关系管理中的研究与应用[D]. 陈烨.湖南大学2015

基于遗传神经网络模型的客户分类管理应用研究

猜你喜欢