期刊文献+

高额欠费风险用户预测模型的建立与应用

下载PDF
导出
摘要 本文提出了一种高额欠费风险用户预测模型,通过该模型可以从海量数据中筛选出欠费高危用户。该模型可明显提升监控用户的监控必要性,与实时计费欠费风险控制系统结合,可有效防止恶意欠费导致的收入流失,降低企业经营风险。
作者 咸洁敏
出处 《科技信息》 2010年第7期88-89,共2页 Science & Technology Information
  • 相关文献

参考文献5

二级参考文献12

  • 1Cristianini N, Shawe-Taylor J. An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods. Cambridge University Press, New York, 2000.
  • 2Yi-Wei Chen, Chih-Jen Lin. Combining SVMs with Various Feature Selection Strategies. Feature Extraction, Foundations and Applications, Springer, 2006.
  • 3R.-E. Fan, P.-H. Chen, and C.,J. Lin. Working set Selec-tion Using the Second Order Information for Training SVM. Journal of Machine Learning Research, 2005(6): 1889-1918.
  • 43GPP TS 32.240 V8.4.0, Charging Architecture and Principles (Release 8) [S]. Sep. 2008.
  • 53GPP. TS 32.296 V8.2.0, Online Charging System (OCS): hpplications and interfaces (Release 8)[S]. Jun. 2008.
  • 63GPP TS 32.299 V8.6.0, Diameter charging applications (Release 8)[S]. Mar. 2009.
  • 7RFC3588, Diameter Base Protocol[S]. Sep. 2003.
  • 8RFC4006, Diameter Credit-Control Application[S]. Sep. 2003.
  • 93GPP TS 32. 280 V8.0.0, Advice of Charge (hoC) service (Release 8) [S]. Mar. 2009.
  • 103GPP TS 22.024 V8.0.0, Description of Charge Advice Information (CAI) (Release 8)[S]. Dec. 2009.

共引文献13

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部