原文服务方: 计算机应用研究       
摘要:
针对纺织行业客户流失问题建立了基于支持向量机的预测模型.基于该行业预测客户流失指标属性多、相关系数高的特点,首先采用主成分分析法从多指标属性中筛选出客户流失的主要因素,有效地降低了支持向量机的训练维度.通过实际纺织行业的客户数据集测试,与普通支持向量机及其他传统预测模型进行比较,验证该模型具有良好的推广能力以及更高的精确性.
推荐文章
基于简易支持向量机的客户流失预测研究
客户流失
简易支持向量机
预测
改进的支持向量分类机在客户流失预测中的应用
客户流失
支持向量分类机
电信业
惩罚参数
基于简易支持向量机的客户流失预测研究
客户流失
简易支持向量机
预测
客户价值细分的代价敏感支持向量机方法
客户细分
客户价值
代价敏感学习
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的纺织行业客户流失分析研究
来源期刊 计算机应用研究 学科
关键词 客户流失 主成分分析 支持向量机 纺织行业
年,卷(期) 2008,(11) 所属期刊栏目 算法研究探讨
研究方向 页码范围 3308-3310
页数 3页 分类号 TP311
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2008.11.031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 琚春华 浙江工商大学计算机与信息工程学院 99 655 13.0 20.0
2 郭飞鹏 浙江工商大学计算机与信息工程学院 2 4 2.0 2.0
3 卢琦蓓 浙江工商大学计算机与信息工程学院 3 35 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (39)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
客户流失
主成分分析
支持向量机
纺织行业
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导