1. 毕业设计（论文）的内容和要求

1、调研了解电信客户流失预测现状，搜集相关数据； 2、查阅资料了解国内外电信客户流失预测构成要素及其预测评价方法的最新动态；3、熟悉R语言、Python等统计分析软件的使用；4、对比人工智能算法、统计方法等主流预测评价方法的优缺点，根据所搜集的数据，进行数据清洗，并选择合适的方法，进行优化；5、案例分析，并提高预测性能。

另外，翻译外文文献一篇，译文3000汉字以上；本课题的开题报告，不少于3000汉字；按学校 ”综合论文类”撰写规范，完成本课题的毕业设计论文，要求论文10000汉字以上。

2. 参考文献

[1] 王雷，陈松林，顾学道。

客户流失预警模型及其在电信企业的应用[J]. 电信科学，2006，22（9）：47-51. [2] 赵宏波.电信企业客户关系管理[M].北京:人民邮电出版社，2003． [3] Peppers D, Rogers M. One to One B2B: Customer Development Strategies for the Business-to-Business World. Cahners Business Information, 2001:96-100. [4] LOUIS A. C. Data Mining and Causal Modeling of Customer [J]. Telecommunication Systems, 2002, 21(2):381-394 [5] ROSSET S, EINAT N. Integrating Customer Value Considerations into Predictive Modeling[C]. Proc of the 3rd IEEE International Conference on Data Mining. Washington DC, IEEE Computer Society, 2003:283-290 [6] Churn Modeling for Mobile Telecommunications. http://www.salford-system-s.com/doc/ churnwinF08.pdf,2012 [7] JOHN H, ASHUTOSH T, RAJKUMAR R, et al. Chum Prediction Using Complaints Data [J]. Proc of World Academy of Science, Engineering and Technology, 2006, (13):158-163 [8] ULTCH A. Emergent Self-organizing Feature Maps Used for Prediction and Prevention of Churn in Mobile Phone Markets [J]. Journal of Targeting Measurement and Analysis for Marketing, 2002, 10(4):314-324 [9] 夏国恩.客户流失预测的现状及发展研究[J].计算机应用研究.2010,2,27 (2).413-416 [10] 夏国恩.基于商务智能的客户流失预测模型与算法研究[D]. 西南交通大学博士论文.2007 [11] 夏国恩.客户流失预测的现状及发展研究[J]. 计算机应用研究.2010,2,27 (2).413-416. [12] 夏国恩，陈云，金炜东.电信企业客户流失预测模型[J]. 统计与决策.2006,10.163一164. [13] 夏国恩.客户流失预测的现状与发展研究[J].计算机应用研究.2010,2,27(2).413-416. [14] 夏国恩.基于核主成分分析特征提取的客户流失预测[J].计算机应用.2008，1，28（1）.149-151. [15] 马莉.基于数据挖掘的电信客户流失成因研究[D]. 华东师范大学硕士论文.2006. [16] 黄展辉.基于数据挖掘的电信客户流失分析[D]. 广东工业大学硕士论文.2011. [17] 陈黎力.基于数据挖掘的电信客户流失模型分析与设计[D]. 大连海事大学硕士论文.2007. [18] 王颖,陈治平.结合K-means的分类方法在电信客户流失中的应用[J].佳木斯大学学报（自然科学版)，2010，28( 2) : 175-179． [19] 于刚，等.基于神经网络与专家系统的汽轮发电机组故障诊断[J].电力系统自动化，2004，28( 4) : 67-70. [20] 邓淑娟, 等.新型工业变流系统间谐波与次谐波特性分析[J].电网技术, 2009, 33(5) :28-32. [21] Friedman J H. Greedy function approximation: gradient boosting machine[J]. The Annals of Statistic,2001，29 (5):1189-1232.

3. 毕业设计（论文）进程安排

1、2017年1月，开题； 2、2017年2月，调研搜集数据；查阅国内外期刊资料，了解主流算法电信行业客户流失预测与评价上的应用现状； 3、2017年3月，熟悉R语言、Python软件的使用；确定课题的核心算法，并进行优化设计； 4、2017年4月，核心算法的编程实现； 5、2017年5月，案例分析，论文撰写； 6、2017年6月，答辩