高新技术项目投资风险的评价模型

粗糙集具有强大的数值分析能力,而BP神经网络具有准确地逼近收敛能力,所以将粗糙集和BP神经网络串行结合,建立一种基于粗糙集-BP神经网络的高新技术项目投资风险评价模型。把粗糙集作为模型的前置系统进行属性约简,消除样本冗余,减少BP神经网络输入维数和隐含层神经元权值连接的个数,从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。最后,仿真研究表明运用该混合模型能取得较满意的结果。     

电信企业客户价值评价及营销策略

本文对电信企业目标客户价值评价体系构建进行了探讨,对指标体系的结构和具体指标的选取进行了分析,建立了基于BP神经网络方法的目标客户价值评价模型,并根据模型对目标客户进行了分类,确定了不同客户群的营销方法.     

基于BP网络的客户价值分析

客户是企业最重要的资源之一,是市场竞争的焦点.现代企业之间的竞争主要表现为对客户的全面争夺,因此就必须进行客户关系管理.客户价值分析是客户关系管理的基础,而客户价值分析的一项重要内容是客户分类.文章针对移动通信业的经营实际,首先构建了移动通信业客户价值评价体系,在此基础上设计BP神经网络模型,进而利用MATLAB神经网络工具箱来进行客户价值计算.通过这种方式可以客观、公正地计算出移动通信业各公司客户的价值大小,移动通信公司可以根据各客户的综合评分值,制定有针对性的客户价值提升策略和客户维系策略.     

企业营销供应能力的动态分配模型

本文基于企业和客户交互视角,从客户当前价值和客户增值潜力两个方面设计了客户价值评估层次模型,运用BP神经网络确定客户权重。基于此,构建了顺序配置模型和最小方差分配模型两种决策模型,以有效配置企业的营销供应能力。     

联合风险投资合作伙伴的选择

合作伙伴选择是联合风险投资成功的关键环节.文章分析了主导型风险投资公司选择联合投资合作伙伴的影响因素,将粗糙集理论应用于指标的约简,建立了合作伙伴选择的评价指标体系;运用神经网络法建立合作伙伴选择的评价模型,为联合风险投资选择最佳合作伙伴.将粗糙集理论作为神经网络系统的预处理器,从中挖掘出反应评价指标本质关系的重要属性与伙伴选择知识规则,通过指标的约简提高了神经网络的收敛速度与选择的准确率.最后,实例验证表明,该方法是正确有效的.     

电信企业客户流失预测模型

本文将支持向量机(Support Vector Machine,SVM)应用于客户流失预测研究中,通过实证研究,证实了该方法用于电信企业客户流失预测比BP神经网络更具有效性和优越性.     

基于BIC的粗糙集择优和属性约简

粗糙集优良性评估标准对粗糙集应用至关重要,目前常用的标准是误判率,在测试集中误判率小的粗糙集并不总是具有最高预测准确度。在引入BIC准则评价粗糙集优良性的基础上,给出基于BIC准则的粗糙集择优方法和基于BIC的粗糙集属性约简方法;利用粗糙集分类规则构建Logistic模型,将拟合Logistic模型的BIC值作为该粗糙集的BIC值,并用于粗糙集优良性评估;实际应用显示:基于BIC的粗糙集择优方法能够筛选出预测高准确度的粗糙集,当多个粗糙集的误判率差异小时,新方法更可能选出预测准确度高的粗糙集,信息熵和BIC组合的属性约简结果更好。     

基于CLV要素的信用卡客户细分模型

文章采用某商业银行信用卡客户数据,在CLV(客户终身价值)两个要素:客户当前价值和客户流失预测的基础上构造客户细分模型.我们提出一个信用卡客户当前价值模型,用于计算客户当前价值;对于客户流失,我们采用多种模型的组合方法来预测客户流失.通过分析对所有客户实施交叉销售后成功的客户比例在各细分群中的分布情况,表明若采用此细分模型,再着重对交叉销售成功比例较大的细分群实施交叉销售,可以大幅提高成功率,节约成本.     

基于RBF神经网络的商业银行客户信用评级

文章旨在为商业银行提出一种较科学的企业信用等级评定方法——基于RBF神经网络的企业信用的评级方法。提出了客户信用的评价指标;并利用RBF神经网络模拟各评价指标和客户企业实际信用之间的复杂非线性关系。本文使用matlab编程建立RBF神经网络,并通过试算法确定隐含层神经元的个数和径向基函数的分布密度(spread)取值,使所得网络仿真效果达到最佳。     

一种基于粗糙集属性约简的入侵检测算法

文章论述了一种基于粗糙集理论的入侵检测的算法,通过将粗糙集中的属性约简算法用于入侵检测数据的挖掘,建立了基于粗糙集的入侵检测系统模型,并对基于属性频度的约简算法进行了改进,提高了数据挖掘效率,有助于得到简洁高效的数据。     

一种基于RS-LSSVM的经济景气指数预测模型

为了消除经济景气指数系统中指标冗余及非线性预测困难等问题,文章利用粗糙集约简原理及支持向量机非线性预测特性,提出一种粗糙集与最小二乘支持向量机混合预测模型RS-LSSVM.模型运用粗糙集约简样本数据空间的维数,加快LSSVM的训练速度和模型的精度,又能弥补粗糙集方法在实际应用过程中噪声敏感问题.最后通过我国工业企业景气指数实证分析及与BP神经网络预测相比较,验证了该预测模型的有效性.     

基于粗糙集神经网络的财务危机预警方法

针对基于神经网络的财务危机预警方法训练时间长和网络结构复杂的缺点,提出了基于粗糙集神经网络的财务预警方法。将财务比率作为条件属性,将企业财务状况作为决策属性,构建财务危机预警决策系统。通过属性约简,得到最小属性集。将最小属性集中元素对应的财务比率作为神经网络的输入,用训练样本对神经网络进行训练,训练后的神经网络模型实现财务危机预警。测试结果表明,该方法训练速度快,且错误率低。     

粗糙集方法在医学影像诊断分析中的应用

医学诊断常面对越来越多的医学影像数据信息,比较不同分析方法对于疾病诊断十分必要.对183例脑胶质瘤的MR资料分别使用粗糙集理论和logistic回归分析方法导出影像诊断规则.与病理结果对比后发现,使用粗糙集理论的诊断规则准确性高于其他统计方法.粗糙集理论对提高医学影像学诊断水平有更好的临床应用价值.     

肿瘤病理类型绿色诊断方法研究——基于变精度粗糙集理论与贝叶斯网络

为了准确对肿瘤病理类型进行诊断,减轻患者因诊断造成的不便与痛楚,提出了基于变精度粗糙集理论与贝叶斯网络的肿瘤诊断方法。对930例甲状腺肿瘤病例使用变精度粗糙集与贝叶斯网络方法导出诊断规则,并与粗糙集对比后发现,基于变精度粗糙集与贝叶斯网络的诊断规则准确性高于粗糙集理论的诊断准确性。基于变精度粗糙集与贝叶斯网络的肿瘤诊断模型对提高肿瘤诊断水平具有更好的临床使用价值,为肿瘤的诊断与分类提供了一种新思路。     

移动通信业的客户细分和保持策略

文章在考虑到客户的过去利润贡献、未来收益和客户流失率的情况下,针对电信运营商的客户特点,给出了客户当前价值、客户潜在价值和客户忠诚度的计算方法和过程,提出一个基于客户当前价值、客户潜在价值和客户忠诚度三维移动客户细分模型,并针对不同的细分群体提出相应的客户保持策略,为电信运营商有针对性地开展客户维系和新业务开拓工作提供科学的方法。     

基于BP神经网络模型的移动电子商务客户信任评价

文章基于BP神经网络法建立客户信任评价模型,结合因子分析等方法对我国目前以微商为代表的移动电子商务客户信任评价进行研究.结果显示,店铺信誉度、无线网络的普及性、应用软件的安全性等对客户信任度均有显著的影响,BP神经网络模型能准确反映各影响因素对于移动电子客户信任的影响程度.     

基于新三维客户细分模型的线上会员客户价值研究

从客户的当前价值、潜在价值、忠诚度价值三个方面出发,建立适用于线上企业的会员客户价值评价指标体系。同时,在传统RFM模型的基础上构建了新三维的客户细分模型,并根据改进的客户价值细分维度进一步细分客户,利用主成分分析法计算每个客户群的价值得分。最终选取某网站的会员客户数据进行算例分析,通过识别不同客户群体、价值和状态,为企业实施精准营销提供更加细致的客户细分依据。     

制造企业与客户价值感知差异的影响因素及偏差距离研究

以扎根理论为基础,卡车制造企业一线销售服务人员和行业客户为研究对象,探讨了两者间产品价值感知差异的呈现状态与构成情况。借助内容分析方法自下而上编码生成了客户价值影响因素框架模型,并对影响因素的概念内涵、权重及优先序、感知偏差距离等指标进行了定性与定量相结合的分析。研究结果表明,编码生成的38个影响因素中,客户与一线销售服务人员在其中17个因素的价值感知上存在显著差异,其差异主要体现在:企业一方面高估了购车成本、制造质量、品牌、产品形象、配件保障等传统销售及售后功能相关的因素在客户价值感知中的重要性;另一方面,企业低估了运营成本、盈利能力、盈利方式、智能物流等与未来收益水平相关的因素在客户价值感知中的重要性。同时,企业对成本费用、增值服务、收益能力等维度的影响因素概念定义与客户存在较大差别,这可能导致企业产品与客户价值诉求的脱节。首次在中文环境下采取定性与定量相结合的方法识别出制造企业与客户价值感知的影响因素并进一步计算得到价值感知差异点与偏差距离,为制造企业服务转型背景下的产品开发和改进、营销策略制定提供了实证数据支持,也为后续价值感知差异理论研究的发展提供了新思路。     

教学质量评价与预测的人工神经网络方法

BP算法是一个用于预测与评价的很有效的算法.文章综合考虑了影响教学质量的各方面的复杂因素,采用改进的BP神经网络算法用于教学质量评价与预测,给出了神经网络的教学质量评价与预测的模型结构,并在MATLAB中仿真实现.结果表明,该评价与预测方法克服了专家评价的主观因素,得到了合理的结果,具有很好的适用性.     

时间序列神经网络预测模型

本文讨论神经网络用于非线性动态系统建模与预测的问题和方法，主要考虑了如下几个问题：（１）相关变量的选择；（２）观测数据的可预测性与模型的有效性检验；（３）运用改进遗传算法学习神经网络连接权值。本文预测建模方法已用于一个决策支持系统中，并取得了较好的效果