一種啟發(fā)式貝葉斯分類算法及其在鐵路貨運客戶細分中的應用研究.pdf

1、數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律、提取有用知識的方法和技術。近年來，數(shù)據(jù)挖掘受到了普遍關注，已經(jīng)成為信息系統(tǒng)和計算機科學領域中的研究熱點之一。 作為數(shù)據(jù)挖掘中的一種分類算法，貝葉斯網(wǎng)絡是用來表示變量間連接概率的圖形模型，它提供了一種自然的表示因果信息的方法，是目前不確定知識表示和推理領域中最有效的理論模型之一，在機器學習算法的設計和分析方面扮演著越來越重要的角色。 本文全面介紹了貝葉斯網(wǎng)絡的研究現(xiàn)狀，重點分析了貝葉斯分

2、類器的理論基礎以及三種經(jīng)典的貝葉斯分類器：樸素貝葉斯分類器、貝葉斯網(wǎng)絡分類器和TAN分類器。在此基礎上提出了一種啟發(fā)式貝葉斯分類算法，該算法結合了K2搜索算法和TAN分類器的優(yōu)點，并在一定程度上彌補了兩者的不足。在TAN分類器構建最大權重跨度樹的過程中確定出邊的次序，再依據(jù)一定的規(guī)則為節(jié)點排序，最后由K2搜索算法構建貝葉斯網(wǎng)絡結構。實驗結果表明，該啟發(fā)式貝葉斯分類算法的網(wǎng)絡結構更加合理，分類準確度更高。 鑒于數(shù)據(jù)挖掘技術在客戶關

3、系管理中日益廣泛的應用，本文還提出了一種鐵路貨運客戶細分方案，即利用數(shù)據(jù)挖掘中的聚類和分類技術對鐵路貨票庫中的海量數(shù)據(jù)所蘊藏的信息進行挖掘，首先利用聚類方法對貨運歷史數(shù)據(jù)進行聚類分析，然后依據(jù)聚類結果用貝葉斯分類器對新客戶分類。該客戶細分方法可以為鐵路貨運營銷部門提供決策依據(jù)，從而提高鐵路企業(yè)的客戶關系管理和決策水平。 另外，本文在深入研究貝葉斯分類算法的基礎上，并結合鐵路貨運客戶細分的實際需要，開發(fā)了一個貝葉斯分類算法軟件平臺