论文部分内容阅读
中国电信业从上世纪90年代进入高速发展时期，中国成为目前世界上最大的电信市场之一。为了获得更大的利润，以“客户驱动”为主成为运营商核心经营理念，客户资源成为运营商竞争焦点。客户资源争夺战中，低门槛的入网条件使得越来越多的人享受到通信便利服务，促进了电信业持续发展，但诚信制度的缺乏，使得电信业中欺诈现象越来越严重，其中以用户恶意欠费最为严重，导致电信运营商大量资金无法收回，阻碍了行业的发展。各电信运营商为了避免、挽回或减轻这部分损失采取各种措施，相应建立了各种决策支持系统预警机制。
本文目的是通过研究支持向量机(Support Vector Machine，简称SVM)算法与k-近邻算法(k-Nearest Neighbor,简称KNN)，提出新的算法框架，根据对客户消费行为分析，利用新的算法建立一个针对客户恶意欠费欺诈行为的预测模型。
基于SVM(Support Vector Machine)算法和NN(Nearest Neighbor)算法的理论基础，本文提出了ESK(Enhance SVM-KNN)算法。ESK算法主要工作是提高SVM算法的泛化能力，减少分界面上出错样本，将KNN算法结合到SVM算法上进行修正，以弥补SVM算法的不足，提高分类的准确率。
本文最后对不同类型客户的客户属性和行为属性进行分析，对数据进行预处理后，将ESK算法应用于电信恶意欠费用户分析预测模型中，引用某直辖市郊区县的用户数据分析进行实验，取得了良好的预测结果，证明了基于ESK算法的欠费用户分析预测模型具有良好的应用性。