在市场不断变化的今天,客户关系管理(CRM)显得尤为重要。本项目改进GMDH(Group Method of Data Handling)以运用于CRM客户分析中,通过实证提出可操作的基于GMDH的客户分析方法体系。主要成果如下(1)提出了“期望噪声临界值”的思想,运用“新归纳法”给GMDH在样本数据分组与外准则的最优配合基础研究方面的难题提供了一个很好的解决方案。(2)传统的GMDH算法固定使用K-G多项式作为初始输入模型,项目将集成学习中的差异性准则(diversity)引入到GMDH中,提出一种GMDH初始模型的自动生成算法D-GMDH。(3)基于GMDH的自动建模技术,分别提出能够自动识别贝叶斯网络模型结构和T-S模型结构的算法。(4)给出了GMDH算法的稳定性定义并设计出测量步骤,得出了GMDH的最小偏差准则在稳定性和抗干扰能力方面都强于绝对抗干扰准则的结论。(5)提出了基于GMDH的静态和动态分类器集成选择策略. 实证分析表明上述成果具有更好的客户分类性能和抗干扰性.研究结果为CRM客户分析开辟新路径,建立了基于GMDH的CRM客户分析体系。
英文主题词CRM; customer analysis; GMDH; clustering; feature selection