基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过分析大型呼叫中心人工呼入量的数据特点,文中将呼入量分解为日呼入量与相应时间段呼入量,利用最小二乘支持向量机(LS-SVM)的原理,建立日呼入量与时间段呼入量两个时间序列预测模型.实验仿真证明,采用该方法建立的日呼入量与时间段呼入量预测模型,在回归和预测方面都可以得到满意的结果.通过与神经网络预测模型的对比分析,LS-SVM总体上优于人工神经网络的预测效果.
推荐文章
基于MapReduce的最小二乘支持向量机回归模型
最小二乘支持向量机
MapReduce编程模式
局部多模型方法
加速比
可扩展性
稀疏最小二乘支持向量机及其应用研究
最小二乘支持向量机
核偏最小二乘辨识
智能建模
用于水泥熟料fCaO预测的多核最小二乘支持向量机模型
多核学习
最小二乘支持向量机
模型
优化
算法
随机扰动
基于最小二乘支持向量机的多属性决策
多属性决策
最小二乘支持向量机
效用函数
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 大型呼叫中心人工呼入量的最小二乘支持向量机模型
来源期刊 控制理论与应用 学科 工学
关键词 呼叫中心 预测 最小二乘支持向量机
年,卷(期) 2009,(7) 所属期刊栏目 短文
研究方向 页码范围 815-818
页数 4页 分类号 TP181
字数 3499字 语种 中文
DOI
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 忻展红 北京邮电大学经济管理学院 81 467 11.0 17.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (18)
参考文献  (3)
节点文献
引证文献  (7)
同被引文献  (6)
二级引证文献  (1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(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
呼叫中心
预测
最小二乘支持向量机
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
控制理论与应用
月刊
1000-8152
44-1240/TP
大16开
广州市五山华南理工大学内
46-11
1984
chi
出版文献量(篇)
4979
总下载数(次)
16
总被引数(次)
72515
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