《大數據環境下基於GMDH的客戶分類半監督集成模型研究》是依託四川大學，由肖進擔任項目負責人的面上項目。
基本介紹
- 中文名：大數據環境下基於GMDH的客戶分類半監督集成模型研究
- 項目類別：面上項目
- 項目負責人：肖進
- 依託單位：四川大學
項目摘要,結題摘要,
項目摘要
客戶關係管理（CRM）及其客戶分類問題是現代企業管理理論的核心內容之一，然而大數據環境下的客戶分類為CRM帶來了挑戰。一方面，用於建模的有類別標籤的樣本通常比較少，但卻有大量沒有類別標籤的樣本可用，同時客戶數據往往是高維的，另一方面，客戶數據中包含大量噪聲。區別於僅使用有標籤數據建模的傳統研究範式，本項目提出了同時使用有、無類別標籤數據來建模的半監督分類的新研究範式，並給出大數據環境下基於GMDH的客戶分類半監督集成的概念及研究架構。在該框架下，以GMDH具有的較強抗噪聲干擾能力和自動建模機制為基礎，研究了客戶分類半監督學習機制，提出了兩種基於GMDH的半監督特徵選擇模型以及兩種基於GMDH的單一半監督分類模型，構建了三種基於GMDH的代價敏感半監督集成選擇策略。最後，針對不同的客戶分類問題，給出最適合的半監督分類集成解決方案並做實證研究。研究成果將為大數據時代CRM提供一種有效的工具。
結題摘要
客戶關係管理（CRM）及其客戶分類問題是現代企業管理理論的核心內容之一，然而大數據環境下的客戶分類為CRM帶來了挑戰。一方面，用於建模的有類別標籤的樣本通常比較少，但卻有大量沒有類別標籤的樣本可用，同時客戶數據往往是高維的，另一方面，客戶數據中包含大量噪聲。項目將數據分組處理（GMDH）、半監督學習、集成學習以及遷移學習技術相結合，研究大數據環境下的客戶分類問題。分別研究了客戶分類半監督學習機制、基於GMDH的特徵選擇模型、基於GMDH的單一分類模型、基於GMDH的半監督集成選擇策略以及數據特徵驅動的客戶分類集成模型。最後，針對不同的客戶分類問題，給出最適合的分類集成解決方案並做實證研究。研究成果將為大數據時代客戶關係管理（CRM）提供一種有效的工具，大大提升CRM的科學性。此外，項目還將基於GMDH的集成模型用於股票價格、能源需求、交通流量預測等領域，大大拓寬了模型的套用範圍。項目共發表研究論文 35 篇，其中,SCI檢索的期刊論文19篇，SSCI檢索期刊論文12 篇,國家自然科學基金委管理學部認定的 A 級期刊 7 篇,人大複印資料權威轉載1篇。研究成果分別獲四川省科技進步二等獎1項和四川省哲學社會科學優秀成果三等獎1項。
