面向CRM的貝葉斯分類算法及并行化研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展和企業(yè)競爭的加劇，數(shù)據(jù)挖掘越來越多地應(yīng)用于企業(yè)的生產(chǎn)和管理中。這一趨勢的持續(xù)和企業(yè)數(shù)據(jù)的膨脹，只靠傳統(tǒng)的單機已難以勝任，此時采用并行處理技術(shù)是解決效率問題的有效途徑之一。在數(shù)據(jù)挖掘的基礎(chǔ)上，加上管理思想、管理技術(shù)的不斷發(fā)展，客戶關(guān)系管理(customerrelationshipmanagement,CRM)已逐漸在企業(yè)中推廣應(yīng)用。 接觸點管理、提高客戶的贏利能力、客戶的細分、交叉營銷等是客戶關(guān)系管理的重要組

2、成部分。從數(shù)據(jù)挖掘的觀點來看，它們都與分類算法密切相關(guān)。因此研究好分類算法對于企業(yè)充分利用CRM，意義十分重大。 分類算法常見的有判定樹歸納分類、貝葉斯分類和貝葉斯網(wǎng)絡(luò)、k-最臨近分類、粗糙集方法以及模糊集方法。實際應(yīng)用中對這些算法進行取舍時，可以從準(zhǔn)確度、速度、伸縮性、強壯性和可解釋性等幾個方面來評價。綜合這幾個指標(biāo)，貝葉斯分類算法的優(yōu)點較為突出。該算法基于貝葉斯定理，可解釋性方面可以與判定樹相比，準(zhǔn)確度可和神經(jīng)網(wǎng)絡(luò)分類算法相

3、媲美，用于大型數(shù)據(jù)庫時該算法已表現(xiàn)出高準(zhǔn)確度與高速度。 樸素貝葉斯分類算法應(yīng)用于連續(xù)屬性值時并不太理想，為此本文結(jié)合Holte的1R離散化方法和熵的原理，提出了一種新的離散化方法。該方法至下而上地合并區(qū)間，不分解區(qū)間，也不采用熵的離散化方法所用的遞歸進程，更避免了熵方法中必須對每一個值進行試探來選擇分割點的弱點。 集群系統(tǒng)有與專用的并行系統(tǒng)相競爭的性能，其性價比已占優(yōu)勢，其中的PVM應(yīng)用相當(dāng)廣泛。本論文在PVM的基礎(chǔ)上研