基于RBM-BPNN的民航潜在高价值旅客预测

论文摘要

目前常用潜在客户发现方法多为基于统计特征的行为分析方法,这种方法对所提取的特征具有很强的依赖性并且容易受到人为主观性影响。针对这一问题,结合受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）与BP神经网络（Back Propagation Neural Network, BPNN）,提出基于RBM-BPNN的民航潜在高价值旅客发现方法。设置民航旅客类别标签;利用RBM自动提取旅客行为特征;利用BPNN对旅客未来价值类型进行分类预测,从而发现民航潜在高价值旅客。实验结果表明,相对于基于统计特征的行为分析方法,该方法具有更高的分类预测准确率和民航潜在高价值旅客预测效果。

论文目录

• 0 引 言
• 1 预测模型构建
•   1.1 潜在高价值旅客定义
•     1.1.1 计算旅客价值
•     1.1.2 设置旅客类别标签
•   1.2 RBM-BPNN分类预测模型
•   1.3 基于RBM-BPNN的民航潜在高价值旅客预测
• 2 实 验
•   2.1 数据预处理
•   2.2 实验评价指标
•   2.3 实验及结果分析
•     1) 确定RBM-BPNN分类预测模型的最佳参数。
•     2) 不同行为分析方法的对比。
• 3 结 语

文章来源

类型: 期刊论文

作者: 徐涛,刘泽君,卢敏

关键词: 民航潜在高价值旅客,特征提取,分类预测模型

来源: 计算机应用与软件 2019年09期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 航空航天科学与工程,自动化技术

单位: 中国民航大学计算机科学与技术学院,中国民航信息技术科研基地,民航旅客服务智能化应用技术重点实验室

基金: 国家自然科学基金项目(61502499),中国民航大学科研基金项目(2013QD18X),民航旅客服务智能化应用技术重点实验室项目(TS-CAKL-2018-01)

分类号: TP18;V354

页码: 58-63

总页数: 6

文件大小: 1700K

下载量: 119