共查询到20条相似文献,搜索用时 62 毫秒
1.
客户流失问题在航空公司一直未被重视。运用决策树中的ID3算法对航空公司客户流失进行分析,并进行了实验,实验得出了航空公司客户流失的一些规则,这些规则是航空公司保留客户,进行持续改进的指南。实验结果表明该方法是可行和有效的,为航空公司客户流失分析提供了一种新的方法。 相似文献
2.
客户资源决定企业的核心竞争力,更多的关心自己的销售群体,并与之建立良好的、长期的客户关系,提升客户价值,对全面提升企业竞争能力和盈利能力具有重要作用。本文以某企业销售业绩为对象,利用决策树分类算法,得到支持决策,从而挖掘出理想客户。 相似文献
3.
4.
5.
一种基于链接结构的PageRank改进算法 总被引:1,自引:0,他引:1
PageRank算法所使用的是基于链接的网页排序算法,并没有充分考虑到网页内容的相关度,文章提出一种基于三种链接结构的改进算法,在算法中传递页面的PageRank值时考虑被传递页面内容的主题相关性,新算法既没有改变传统算法计算的网页排名,又可以用更小的d值得到传统PageRank算法计算的PageRank值。并且实验证明,通过选择合适的参数,MPR算法可以获得更加优于传统PageRank算法的网页排序结果。 相似文献
6.
7.
8.
9.
针对传统串行坐标旋转数字计算方法(CORDIC)耗时且占用较多资源的缺点,提出了一种旋转模式下CORDIC算法的新型改进算法,该改进算法可用来代替直接数字频率合成器(DDS)查找表进行正余弦的计算。通过采用贪婪算法实现对CORDIC旋转方向与旋转角度的优化,从而可以达到串行转并行和减少迭代次数、节约资源的目的。该算法可以应用于三角函数的复杂函数的硬件实现中。仿真结果表明,在迭代次数相同的情况下,改进算法较传统算法可以获得更高的精度。最后,在Xilinx FPGA的Spartan-3E芯片上实现了改进的CORDIC结构。与传统CORDIC算法相比,在运算精度为10-5时,可以节省Slices、LUTs(Look Up Tables)资源分别为28%和25%。 相似文献
10.
11.
针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题,提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重,并将权重用于树结点中数据的聚类过程,使用分簇结果对结点进行多路划分,得到可直接用于多分类问题的决策树。理论分析和实验结果表明,该算法与经典轴平行决策树相比,拥有更好的泛化能力以及相近的算法时间复杂度,与大部分斜决策树相比,在付出更少计算代价的前提下,获得了近似的正确率以及模型简洁度。 相似文献
12.
针对机动目标跟踪问题 ,在“当前”统计模型的基础上 ,利用机动加速度与方差的自适应关系 ,提出了一种新的自适应滤波算法。大量仿真结果表明 ,该算法在跟踪机动目标时 ,具有良好的跟踪性能。 相似文献
13.
传统供应商关管理(SRM)在供应商分类评价方面存在不足,将数据挖掘技术引入其中,以从大量的数据信息中发现影响供应商合作价值的潜在规律,从而提升SRM的决策分析能力。设计中综合使用了数据仓库、聚类分析、决策树方法,并在国内一大型制药企业运用实践,为SRM的深入开发和应用提供了有价值的参考。 相似文献
14.
基于ID3算法的CRM数据分类实例证明:决策树的核心问题是选择最佳的划分标准,采取数据挖掘中的决策树分类算法,将其应用于CRM系统中,以从中发现企业产品的销售规律和客户群特征,从而提高CRM对市场活动和销售活动的分析能力,以期为企业更科学、更有效地制定产品开发、生产、销售和服务策略提供有力的技术支持。 相似文献
15.
16.
本文提出了一种改进的DFT信道估计算法,首先将频域信道估计转换到时域,然后将时域中循环前缀长度之外的信道估计值置零。在此基础上,改进的算法要求对循环前缀之内,也就是n≤LG-1的信道估计值做进一步的处理,以便进一步消除噪声的干扰。通过计算机仿真验证了改进的DFT算法优于原算法。 相似文献
17.
18.
针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再将两类图像放入卷积神经网络(Convolutional Neural Network,CNN)自行训练提取特征,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。 相似文献
19.
20.
行为识别是计算机视觉研究一大热点,为了改善其计算量大、识别率低的问题,提出了一种基于三维卷积神经网络(3Dimension Convolutionnal Neural Network,3D-CNN)与门控循环单元网络(Gated Recurrent Unit,GRU)相融合的行为识别算法。该算法采用keras框架,首先对3D-CNN结构进行优化,采用把大的卷积核用若干个小的串联起来的Block结构;然后在每层卷积层后采用批量归一化处理,并添加Dropout层以提高网络泛化能力;最后与GRU网络融合,使用Softmax进行分类得出结果。实验结果表明,所设计的融合网络有较高的识别率,达到94.5%。 相似文献