学位论文 > 优秀研究生学位论文题录展示
贝叶斯算法在电力营销决策中的应用与研究
作 者: 白涛
导 师: 孟建良
学 校: 华北电力大学(河北)
专 业: 计算机应用技术
关键词: 数据挖掘 贝叶斯方法 贝叶斯网络 电力营销决策
分类号: TP18
类 型: 硕士论文
年 份: 2008年
下 载: 157次
引 用: 1次
阅 读: 论文下载
内容摘要
电力企业数年来积累了大量的数据,迫切需要通过知识发现来为营销决策者提供可靠的依据。贝叶斯方法以其独特的不确定性知识表达形式、丰富的概率表达能力和综合先验知识的学习特性称为当前知识发现领域中最引人注目的焦点之一。将贝叶斯方法应用于电力营销决策,能够取得很多其他方法无法比拟的实际效果。本文重点介绍了贝叶斯网络在数据挖掘中的应用,结合电力营销者所关心的问题,构造了适合电力营销决策的贝叶斯网络,用于客户价值评估、用电异常监测等领域,并且通过网络学习算法不断完善网络模型。通过实际数据的实验表明,贝叶斯网络用于电力营销决策是实际可靠的。
|
全文目录
中文摘要 4 英文摘要 4-7 第一章 引言 7-10 1.1 论文背景及意义 7-8 1.2 国内外研究现状 8 1.3 本文的主要工作 8-10 第二章 数据挖掘与贝叶斯网络 10-30 2.1 贝叶斯方法的基本观点 10-11 2.2 贝叶斯方法同其他方法的比较 11-13 2.3 贝叶斯网络在数据挖掘中的应用 13-20 2.3.1 贝叶斯网络的基本概念 13-14 2.3.2 数据挖掘技术 14-16 2.3.3 用于数据挖掘的贝叶斯网络 16-20 2.4 贝叶斯网络的学习 20-27 2.4.1 贝叶斯网络参数学习 20-24 2.4.2 贝叶斯网络的结构学习 24-26 2.4.3 狄利特里分布 26-27 2.5 用于预测的贝叶斯网络 27-30 第三章 电力营销理论及决策分析 30-37 3.1 电力市场营销概述 30-31 3.1.1 电力市场营销的概念 30 3.1.2 电力市场营销的特点 30-31 3.2 电力营销中关心的问题 31-37 3.2.1 电力市场分析预测 31-32 3.2.2 电力营销决策制定 32-33 3.2.3 电力营销分析内容 33-37 第四章 贝叶斯网络在电力营销决策中的应用 37-50 4.1 客户价值评估推理模型 37-42 4.1.1 属性模型的建立 37-38 4.1.2 网络模型的构造 38-40 4.1.3 网络模型的选择 40-42 4.2 客户用电风险评估预测模型 42-50 4.2.1 应用贝叶斯网络进行风险概率预测的优势 43 4.2.2 贝叶斯网络进行风险分析的步骤 43-44 4.2.3 贝叶斯网络电力客户风险预测中的应用 44-50 第五章 贝叶斯算法在电力营销系统中的实现 50-55 5.1 电力营销的数据获取 50 5.2 电力营销决策支持系统的结构框架 50-51 5.3 贝叶斯网络在电力营销决策系统中应用的实现 51-55 第六章 结束语 55-57 6.1 本文得出的结论 55 6.2 对未来的展望 55-57 参考文献 57-60 致谢 60-61 在学期间发表的学术论文和参加科研情况 61
|
相似论文
- 多传感器信息融合及其在可穿戴计算机上的应用,TP202
- 黄磷储罐区安全评价方法研究,TQ126.317
- 基于数据挖掘技术的保健品营销研究,F426.72
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
- Bicluster数据分析软件设计与实现,TP311.52
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于数据挖掘的税务稽查选案研究,F812.42
- 面向社区教育的个性化学习系统的研究与实现,TP391.6
- 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
- 数据仓库技术在银行客户管理系统中的研究和实现,TP315
- 基于Moodle的高职网络教学系统设计与实现,TP311.52
- 教学质量评估数据挖掘系统设计与开发,TP311.13
- 关联规则算法在高职院校贫困生认定工作中的应用,G717
- 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
- 数据挖掘技术在电视用户满意度分析中的应用研究,TP311.13
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- FPSO在石油卸载过程中的风险评估,U698
- 数据挖掘在学校管理和学生培养中的应用,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|