前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇柳樹的詩句范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

柳樹的詩句范文第1篇

2、往事是塵封在記憶中的夢，而你是我唯一鮮明的記憶，那綠葉上的水珠，是思念的淚滴。

3、知識永遠戰(zhàn)勝愚昧追求的夢想始終是個泡影，得到了什么了呢。付出的越多，卻失去的更多。

4、如果為了安全而不和大海在一起，船就失去了存在的意義。

5、必須記住我們學(xué)習(xí)的時間有限的。時間有限，不只由于人生短促，更由于人事紛繁。

6、節(jié)省時間，也就是使一個人的有限的生命，更加有效，而也即等于延長了人的生命。

7、這個世界，太寂寞了，我們太孤單了，很多時候我們都身不由己，只是沒人理解我們擺了。

8、時光飛逝，沒有回旋的余地，我們不能呆在回憶的小屋，總是迷失在過去。

9、那些屬于我們的青春、故事、幸福，如今，都不負存在了，現(xiàn)在我們又有什么渴望的呢？

10、時間是治愈傷痛最好的良藥，它能讓人學(xué)會遺忘，也能讓人學(xué)會放下，最美的年華是你遇到了誰，最深的紅塵是你錯過了誰。

11、天生活在忙碌中想把你留住，卻又不知道自己在做什么。你仍然走拉，沒有一絲猶豫。秒針一點一點地走著，一周過去了，一個月過去了，一年過去了！我好像什么也沒做！只好無奈的=地嘆息著。望著窗外那霏霏的小雨，想得到一絲安慰。

12、凡是較有成就的科學(xué)工作者，毫無例外地都是利用時間的能手，也都是決心在大量時間中投入大量勞動的人。

13、青春，它就如一輪初升的太陽，朝氣蓬勃，活力無限，在它那金燦燦的臉上，展現(xiàn)出我們孩童的天真與可愛。

14、青春需要我們?nèi)フ湎?，去把握。青春的時光在風的指間滑落，在雨的洗禮中流逝。“莫等閑，白了少年頭，空悲切。”“青春須早為，豈能長少年。”青春若一去，遂不復(fù)返。不要讓青春在空虛的日子里悄悄逝去，也不要讓它在迷茫與困惑中被剝奪，當雨水淋濕了你的青春時，要重新去擁有七彩的陽光。

15、是我的，就是我的，走了的，只能說明他從來沒有屬于過我，也許愛情是剛性的，婚姻卻是柔性的，我們都得學(xué)得妥協(xié)。

16、為何一轉(zhuǎn)眼，時光飛逝如電，磨不去的從前，就像一陣風，吹落恩恩和怨怨，當我深深感到無情歲月流逝，青春不再的時候，就想起了童安格的這首經(jīng)典老歌，它道出了每個人打心底迸發(fā)出的酸楚、無奈，充滿了一些滄桑的難言之語。

17、在人生和世界的激流中，他必然會像初冬從樹上飄落下來的最后一片枯葉，在西風殘照中孤零零地漫無目的地飄舞。

18、們所多的是生力，遇見深林，可以辟成平地的，遇見曠野，可以栽種樹木的，遇見沙漠，可以開掘井泉的。

19、回首往事，日子中竟全是斑斕的光影，記憶的屏障中，曾經(jīng)心動的聲音已漸漸遠去。

20、不是時間忘了我，是你忘了帶走我，我左手是過目不忘的螢火，右手是十年一個漫長的打坐。

21、時間是不可占有的公有財產(chǎn)，隨著時間的推移，真理會愈益顯露。

22、人海茫茫知己難求，能擁有心靈相通、無話不談的知己是許多人的夢想，所以對待知己更應(yīng)坦誠相待，更要精心維護，知己是用心去相扶相幫的，可以心靈相依相偎。而不是要你去放縱，更不是讓情感無底限的瘋長。

23、時光在彈指間散沫，左手里的一世錦瑟繁華，終抵不過右手里半城零落煙沙。

24、太陽的光芒遠遠勝過月亮，但太陽永遠只能獨自天馬行空，而月亮卻有星星相伴。世間萬物中，其實太陽最寂寞。

25、那段歲月，無論從何種角度讀你，你都完美無缺，你所缺少的部分，也早已被我用想象的畫筆填滿。

26、不要為已消逝之年華嘆息，須正視欲匆匆溜走的時光朝看水東流，暮看日西沉。

27、時間仿似一條直線，沒有起點，亦無終點。

28、那是可以讓我潸然淚下，讓我用一生去交換的笑容。

29、青春一去不復(fù)返，事業(yè)一縱永無成。

30、我愿意手拿帽子站在街角，請過路人把他們用不完的時間投在里面。

31、你的背影早已消失得無影無蹤，只剩下路口嘆息的我。

32、時光飛逝，停在哪里休息，哪里都有真情體現(xiàn)，我們不能害怕欺騙，把自己的熱情藏在心里。

33、時光飛逝，機會就在我們眼前，何時找到了靈感，何時就要把握機遇，我們需要智慧和勇氣去把握機會。

34、夢想家的缺點是害怕命運。

35、合理安排時間，就等于節(jié)約時間。

36、我們?nèi)粢?，就該為自己建造一種充滿感受、思索和行動的時鐘，用它來代替這個枯燥、單調(diào)、以愁悶來扼殺心靈，帶有責備意味和冷冷地滴答著的時間。

37、一分耕耘，一分收獲；要收獲的好，必須耕耘的好庸人費心將是消磨時光，能人費盡心計利用時間知識象燭光，能照亮一個人，也能照亮無數(shù)人。

38、青春是多彩的，它有著充滿綠意茵茵的溫馨，卻不能多得可以大把揮撒，“黑發(fā)不知勤學(xué)早，白首方恨讀書遲”，青春必須珍惜歲月。浪費歲月的青春，就像秋天的一片落葉，無絲毫生機；失去青春的歲月，就像是一條干涸的小溪，永遠也無法唱響奔向大海的戀歌。

39、隔窗望月，清輝雖灑在我身上，我卻離那幸福光耀的源頭，千千萬萬里。

40、時間總是不經(jīng)意間從指縫中消失，在我們還來不及欣賞它的時候，它已經(jīng)一去不復(fù)返。

41、青春似一日之晨，它冰清玉潔，充滿著遐想與和諧。

42、在時間和現(xiàn)實的夾縫里，青春和美麗一樣，脆弱如風干的紙。

43、我的日子一頁一頁地翻著，轉(zhuǎn)眼，由冬天一下翻到了夏天，衣服由繁入簡，鞋子由暖入涼，而我的意識依舊沉淪。總在為自己的行為尋找合適的理由，以辯護自己虛度光陰的無奈性必要性。不屑求得任何他人的理解，只為了讓住在同一個身體里的另一個帶有良知的我擺脫罪惡感，繼續(xù)消磨。我在消磨著時間，親手剪斷自己的生命。究竟一個生為人的人該如何存活呢？我始終在尋找答案，沒有方向地在消極的世界里折騰著，疲憊著。

44、一年，一歲，漸漸接近，偷偷遠離，我整理凌亂的思緒，向新的一年邁去，又是一年芳草綠，捉不住時光豪不留情的越出手指的縫隙。

柳樹的詩句范文第2篇

關(guān)鍵詞：云物流；大數(shù)據(jù)；物流模式；變革

中圖分類號：F25

文獻標識碼：A

doi：10.19311/ki.16723198.2017.15.020

在互聯(lián)網(wǎng)全球化的今天，電子商務(wù)的盛行，從亞馬孫到京東，從京東到淘寶，每天成千上萬的客戶訂單，不斷的在海、陸、空穿梭往來，極大方便了人民生活。伴隨著與日俱增的大數(shù)量訂單，快件數(shù)量多，包裹派送慢，配送地區(qū)遠等一系列的題困擾著物流行業(yè)的發(fā)展。2017年4月26日，G7吳海波在接受騰訊云采訪時表示：“云時代，大數(shù)據(jù)開啟云端物流的變革之門”，由此可見，云時代下大數(shù)據(jù)技術(shù)對云物流的影響已經(jīng)受到業(yè)內(nèi)人士的認可，借助云計算物流平臺，有效利用大數(shù)據(jù)技術(shù)，加強貨物流量和流向的預(yù)警預(yù)測，提升云物流創(chuàng)新改革有重要意義。

1云物流與大數(shù)據(jù)

1.1云物流

我國最早的云物流是北京星辰急便公司，始于2009年，距今有近8年的發(fā)展史，云物流最早是云物流快遞的簡稱，隨著科技的進步，今天的云物流是云計算和大數(shù)據(jù)在物流行業(yè)上的具體應(yīng)用，它是基于云計算機處理技術(shù)，大規(guī)模的采用虛擬操控平臺，采用科學(xué)化系統(tǒng)化的物流流程，精細化的物流配送管理，以高效率進行物流配置的運輸方式和全方位的無縫隙配送網(wǎng)點等優(yōu)勢，迅速占據(jù)了國內(nèi)物流市場，進而實現(xiàn)物流信息資源、物流管理、物流倉儲管理有機結(jié)合協(xié)調(diào)發(fā)展，為物流發(fā)展提供更深層次、更完善的資源整合，有利于云物流數(shù)據(jù)架構(gòu)和發(fā)展，有利于資源優(yōu)化組合，實現(xiàn)資源共享，降低各項管理成本，提高其綜合服務(wù)效率，提高了客戶的滿意度。

2013年阿里聯(lián)合淘寶建立菜鳥驛站，2015年菜鳥提出：“借助大數(shù)據(jù)驅(qū)動物流全球化發(fā)展”，先后在全國各地建立了500多個校園中儲倉，把菜鳥驛站代收的商品通過云物流發(fā)往全國各地，這種配送平臺大大縮短了收件時間，有些地區(qū)到菜鳥發(fā)快件，每單補貼0.2元，這種惠民策略增加大菜鳥的業(yè)務(wù)量，同時也提高了送貨效率，縮短了送貨時間，交通暢通的城市同城送貨只需2小時，這在一定程度上激勵網(wǎng)民再次購物，提高二次購物的幾率。經(jīng)過菜鳥近2年的運行經(jīng)驗，它們的再次集合不同物流公司，組建團隊協(xié)同配送，這種物流的聯(lián)盟再次推進物流的快遞速度。

1.2大數(shù)據(jù)

大數(shù)據(jù)是近幾年來各大領(lǐng)域競相涉足的地方，隨著各種網(wǎng)絡(luò)平臺的發(fā)展，大量的圖文、影像、檔案資料匯聚成海量數(shù)據(jù)資料，這些瞬間涌現(xiàn)不同結(jié)構(gòu)的數(shù)據(jù)資料集達到一定規(guī)模時，就形成了錯綜復(fù)雜的數(shù)據(jù)集，企業(yè)端在吸收這些數(shù)據(jù)的時，需要透過錯綜復(fù)雜表層現(xiàn)象，結(jié)合各個企業(yè)集團結(jié)合自身特點或者需求，經(jīng)過細致的篩選、采擷、處理并整理成時效數(shù)據(jù)，為企業(yè)服務(wù)。大數(shù)據(jù)其特點是數(shù)據(jù)集類別多，類型復(fù)雜，數(shù)據(jù)龐大，數(shù)據(jù)處理用時短，速度快，有效率高，為眾多企業(yè)的發(fā)展提供了強有力的技術(shù)支持，催生著信息行業(yè)的迅速增長。例如大數(shù)據(jù)在芯片應(yīng)用，催生一體化數(shù)據(jù)存儲處理服務(wù)器；大數(shù)據(jù)在醫(yī)療上應(yīng)用，提高病理分析的準確率和臨床醫(yī)學(xué)研究的精確率，降低了疾病發(fā)病率和傳染率；在社會治安方面，通過監(jiān)控數(shù)據(jù)，挖掘犯罪嫌疑人的心理行為，破獲多起重大案件，因此做好大數(shù)據(jù)的開發(fā)利用，有利于社會主義政治、經(jīng)濟全面發(fā)展。

1.3云物流與大數(shù)據(jù)的結(jié)合

在新的社會主義形態(tài)里，大數(shù)據(jù)經(jīng)過數(shù)據(jù)整合，為企業(yè)發(fā)展指明道路，云物流和大數(shù)據(jù)的結(jié)合，優(yōu)化物流運營實施方案，改善物流行政管理，實施智能預(yù)警防御。云物流基于大數(shù)據(jù)和四通八達的網(wǎng)絡(luò)通信技術(shù)為依托，集合線上商家物虛擬商品和線下客戶的大量訂單，通過大數(shù)據(jù)技術(shù)處理以及云計算規(guī)劃，借助專業(yè)化的物流系統(tǒng)，靈活的海陸空配送路線，智能化的信息跟蹤服務(wù)，全面到位物流配送服務(wù)，為線下客戶提供優(yōu)質(zhì)的配送服務(wù)，物品保管服務(wù)和網(wǎng)上信息管理服務(wù)，極大方便了網(wǎng)民購物，豐富了人民物質(zhì)生活，提高人民生活滿意度；同時還有利于云物流增值業(yè)務(wù)的實現(xiàn)，也有利于云端物流發(fā)展增值創(chuàng)收，提高員工的積極性；通過云物流的配送，有利于商家建立物流信用度，提高商家銷量，促進電子商務(wù)大規(guī)模發(fā)展，為下一次云服務(wù)奠定良好的基礎(chǔ)。

2大數(shù)據(jù)和云物流的創(chuàng)新對物流行業(yè)經(jīng)濟效益的提升

隨著互聯(lián)網(wǎng)的資源共享，大數(shù)據(jù)和云物流處理技術(shù)的革新，云物流行業(yè)借助各方面的優(yōu)勢，提高物流工作效率，具體表現(xiàn)在以下幾個方面。

大數(shù)據(jù)處理技術(shù)創(chuàng)新提高物流配送效率?；诖髷?shù)據(jù)的調(diào)研每天大量郵件在配送過程中，經(jīng)常出現(xiàn)多次性送達，許多在職人員經(jīng)常不在家，或者不在單位，造成許多快件不快，包裹滯留，信息滯納，還給快件公司增加派送次數(shù)，基于此，江蘇云柜網(wǎng)絡(luò)技術(shù)有限公司，研發(fā)了云物流櫥柜，極大解決了郵件簽收問題，既方便了郵件的配送，也方便了客戶取件，舍去客戶簽字認證時間，提高了每單的配送效率。

通過集成管理提高了物流整體效益。經(jīng)過大數(shù)據(jù)監(jiān)控電商訂單統(tǒng)計數(shù)據(jù)發(fā)現(xiàn)，目前北京成為我國最大的物流收貨基地，杭州、義烏成為最大的發(fā)貨地，京東根據(jù)這些數(shù)據(jù)在全國各地大型電商供應(yīng)地，建立配倉的基地，按類目設(shè)置倉庫，采用低費保管方案，吸引各企業(yè)以及中小賣家入駐，根據(jù)在線電子訂單，直接組裝配送，每天完成22萬份訂單的派送，這些實時數(shù)據(jù)庫還在不定時的增長，從訂單到組裝，從組裝在到配送完成，只需200多員工的協(xié)作，由此看見，商品集成管理，不僅從源頭節(jié)約物流成本，降低各個環(huán)節(jié)產(chǎn)生的費用，壓縮了1/3的配送時間，從根本上提高了物流配送效率，從而提高了物流行業(yè)經(jīng)濟效益。

云物流有效提高社會資源利用率。云物流的發(fā)展，把各地大大小小的物流公司吸收進來，將零星分散物流數(shù)據(jù)、物流設(shè)備和人員進行重新定位，不但可以壯大了公司力量，豐富了人力物力財力，又避免了投資風險；結(jié)合不同物流公司的特點，進行物流資源社會化整合，擴大公司物流配送專線，建立統(tǒng)一直營管理平臺；優(yōu)化物流公司人員配置，各司其職優(yōu)化服務(wù)，建立多渠道多方位配送服務(wù)；采取合理物流取件發(fā)件程序，提高物流公路運輸率，避免車隊重復(fù)配置，節(jié)約物流配送成本，降低物流監(jiān)管費用和車隊養(yǎng)護費用，這種優(yōu)勢互補高效節(jié)能的整合，提高物流服務(wù)效率、管理效率和物流資源利用率，進而實現(xiàn)云物流公司集中有效資源，有的放矢合理利用，全面化發(fā)展，促進云物流公司綜合實力的提高。

精準的大數(shù)據(jù)指揮物流科學(xué)決策。隨著大數(shù)據(jù)精準的信息，為云物流的物流發(fā)展，提供了科學(xué)的決策依據(jù)。例如云物流利用車隊運輸監(jiān)控數(shù)據(jù)，在節(jié)假日線靈活調(diào)整送貨線路，確保物流派送準時到達。今年4月吳海峰在騰訊大會上提到，通過G7物流車隊數(shù)據(jù)，可以分析當下那條路線業(yè)務(wù)繁忙，那條路線車隊路況出現(xiàn)問題，這些不起眼的數(shù)據(jù)，都潛在巨大的挖掘價值，通過車隊出行路線和路況交通可以預(yù)測交通事故的發(fā)生幾率，經(jīng)過這些科學(xué)預(yù)警，及時進行科學(xué)決策，適度調(diào)整行車路線，確保車隊安全。

3大稻菹驢拓創(chuàng)新云物流配送新模式

新形勢下，美團利用大數(shù)據(jù)構(gòu)建了美團外賣美食平臺，滴滴運用大數(shù)據(jù)構(gòu)建一套無障礙出行平臺，非凡借助大數(shù)據(jù)構(gòu)建一個綠色旅行平臺，今天，云物流將運用大數(shù)據(jù)技術(shù)開拓創(chuàng)新構(gòu)建一個物流行業(yè)生態(tài)系統(tǒng)新模式，為云物流向系統(tǒng)化、社會化、標準化發(fā)展邁出了一大步。

3.1構(gòu)建一個綜合性物流基地新模式

今天我國有270多家在冊物流公司，每天260多萬包裹在快遞之間來回傳遞，這些數(shù)據(jù)每天都在不斷的增長，從這些表面數(shù)字可以看出，物流行業(yè)有巨大發(fā)展?jié)摿?，結(jié)合物流數(shù)據(jù)統(tǒng)計結(jié)構(gòu)，構(gòu)建一個綜合性物流發(fā)展平臺，把不同的生產(chǎn)廠家以及商和物流公司對接，建立一個多商家倉儲平臺，吸收融合當前物流公司，整合優(yōu)質(zhì)物流專線，結(jié)合大數(shù)據(jù)處理訂單，實行智能化專線配送。目前我國物流公司匯集國內(nèi)外品牌，其中不乏有實力的順豐、德邦、潤德外國注資物流，更有國家實力的中國郵政，阿里旗下的菜鳥驛站，以及天天快遞，韻達快遞，圓通快遞，這些規(guī)模不一，資質(zhì)不同的物流企業(yè)，以為商家和客戶服務(wù)為宗旨，組建一個大型綜合物流配貨平臺，實行綜合經(jīng)營統(tǒng)一管理，根據(jù)商家類目進行規(guī)范化管理，根據(jù)訂單及時發(fā)貨統(tǒng)一配送，確保物品安全準時送達客戶，同時加強物流公司協(xié)調(diào)配合能力，完善各項服務(wù)制度，定時進行員工培訓(xùn)，提高服務(wù)能力和服務(wù)意識，堅持構(gòu)建一個科學(xué)化管理的綜合性能物流配送平臺。

3.2打造一個有特色的一站式云物流配送模式

從源頭到客戶，建立一個快速便捷的一站式配送模式。從京東驛站的建立之初，這種運行模式便有了雛形，到今天的菜鳥驛站，一站式購物鏈條已經(jīng)形成，可是這些僅限于大中城市一些商家，縱觀我國電子商務(wù)發(fā)展現(xiàn)狀，許多經(jīng)營有道的線下小店經(jīng)常零零散散的隱藏在偏僻的小城鎮(zhèn)里，這給一站式物流配送提出了難題，筆者結(jié)合我國現(xiàn)狀，借鑒國外一站式供應(yīng)配貨模式，提議打造一個頭特色的一站式物流配送模式，眾所周知，江南一帶，男女體型瘦小，他們生產(chǎn)的服裝不適合北方人，因此，可以在當?shù)亟⒁粋€江南服裝直達式一站配送物流模式，僅供江南區(qū)域配送。例如我國江西和山東兩省，正在建立一個省內(nèi)直達物流專線，把各自區(qū)域內(nèi)的線上零售商進行登記備案，物流公司免費上門取貨，送到統(tǒng)一配貨區(qū)，發(fā)往外地，這種集成共享與協(xié)同調(diào)度，有力支持了云物流的發(fā)展，目前著力建設(shè)有地方特色的一站式云物流配送模式，帶動當?shù)亟?jīng)濟發(fā)展。

構(gòu)建無人化智能物流配送新模式。目前我國許多企業(yè)實行無人化操作間，例如君樂寶無人灌裝技術(shù)，長城汽車的無人裝配車間，以及機器人餐飲行業(yè)的應(yīng)用等等，這些無疑表明，構(gòu)建無人化智能配送模式指日可待。我國是一個居住率高的國家，互聯(lián)網(wǎng)的普及把我們這個大國緊密的聯(lián)系在一起，每天大量的快件飛往不同地區(qū)，時時刻刻在耗費大量的人力資源，因此構(gòu)建無人化智能配送新模式，建立無人化裝配車間，實行無人化訂單打印，全程化機器人自動配倉，無人車隊或者飛機配送，在最后一公里的配送中，采用無人配送專車，送入云柜，讓生活在城市里和生活在山區(qū)里的老百姓體驗購物的便捷，真正實現(xiàn)無縫隙、無盲點配送，從根本上解決配送難的問題。

4結(jié)束語

我國每天的包裹發(fā)件總量占世界排名第一，是當前美國、英國、德國等幾個國家的總和，但是我國物流公司數(shù)量多，規(guī)模小，綜合實力不高，許多發(fā)達國家紛紛試水中國物流，面對中國居住區(qū)域，難以實現(xiàn)全面配送，偏遠農(nóng)村配送問題一直制約著物流的前進，隨著科學(xué)技術(shù)的日新月日，大數(shù)據(jù)和云物流為物流行業(yè)模式的變革、發(fā)展、創(chuàng)新，提供了技術(shù)支持，通過大數(shù)據(jù)的精準信息，有利于物流公司分析預(yù)警、科學(xué)決策和精準配送；通過云物流的計算運用，有效利用社會資源優(yōu)化整合，提高云物流的配送效率，努力打造一個高效、智能云物流配送新模式，提高我國物流行業(yè)的綜合實力，參與國際物流配送競爭，把我國貿(mào)易推向全球。

參考文獻

[1]高連周.大數(shù)據(jù)時代基于物聯(lián)網(wǎng)和云計算的智能物流發(fā)展模式研究[J].物流技術(shù)，2014，（11）.

柳樹的詩句范文第3篇

一、團隊成員各自知識權(quán)重的衡量

通過數(shù)據(jù)挖掘和知識轉(zhuǎn)化，在確定項目的可行性之后，為了最大限度地調(diào)動團隊成員知識共享的意愿，需要衡量來自各部門知識型員工對項目的重要性即知識權(quán)重。本文采用層次分析法來量化各成員的知識權(quán)重。

（一）建立層次結(jié)構(gòu)模型將決策問題分為三層，最上面為目標層，最下面為成員層，中間是指標層；指標層的內(nèi)容由參與項目改善的知識主管和各部門主管根據(jù)實際情況確定。層次分析圖如圖1所示。設(shè)某層有m個因素，X={x1，x2，…，sm}，要比較它們對上一層某一準則（或目標）的影響程度，確定在該層中相對于某一準則所占的比重。（即把個因素對上層某一目標的影響程度排序）。上述比較是兩兩因素之間進行的比較，比較時取1-9尺度。在層次分析法中，為了使判斷定量化，關(guān)鍵在于設(shè)法使任意兩個方案對于某一準則的相對優(yōu)越程度得到定量描述。一般對單一準則來說，兩個方案進行比較總能判斷出優(yōu)劣，層次分析法采用1-9標度方法，對不同情況的評比給出數(shù)量標度。

（二）層次排序及一致性檢驗層次排序分為層次單排序和層次總排序。層次單排序就是把本層所有各元素對上一層來說，排出評比順序，這就要計算判斷矩陣A的最大特征向量，最常用的方法是積法和方根法，并將最大特征向量進行正規(guī)化處理，最終得到各評價指標重要性排序，即權(quán)數(shù)分配，W={W1，W2，…，Wm}。此外，為了保證層次分析法的結(jié)論的合理性，還需要對矩陣進行一致性檢驗。一致性檢驗公式為：n為判斷矩陣的階數(shù)。RI稱為判斷矩陣的平均隨即一致性指標。當CR<0.10時，認為判斷矩陣具有滿意的一致性，層次分析法得出的結(jié)論是一致的，否則就需要調(diào)整判斷矩陣。RI的值如表1所示。層次總排序就是利用層次單排序的計算結(jié)果，進一步綜合出對更上一層次的優(yōu)劣順序，就是層次總排序的任務(wù)。即算出Ri相對于A的重要性權(quán)值，即員工相對項目的重要性系數(shù)Ci。一致性檢驗類似于層次單排序時的一致性檢驗。

二、知識共享激勵模型分析

（一）團隊成員自身效益函數(shù)假定在知識型流程優(yōu)化項目實施過程中，企業(yè)和知識型員工都是追求自身效益的最大化，用的產(chǎn)出受激勵措施的影響。本文只考慮物質(zhì)激勵和精神激勵，則知識型員工的效用就是他在物質(zhì)激勵方面取得的效用和非物質(zhì)激勵方面取得的效用之和，假設(shè)激勵要素對每個知識型員工的產(chǎn)出彈性都一樣。結(jié)合公式（1）和（2），對團隊各成員的效益函數(shù)ui=（1，2，…，n）修正后，知識型員工的效用函數(shù)可以表示為：εi是知識型員工i對硬性激勵即物質(zhì)激勵要素的期望偏好（0<εi<1）；（1-εi）是知識型員工i對軟性激勵即非物資激勵要素的期望偏好；δi是知識型員工所具備的知識對項目成功實施的重要性指標，即權(quán)重；α為激勵要素對知識型員工的產(chǎn)出彈性，即資金產(chǎn)出彈性，0<α<1；βi為知識型員工i的共享策略；企業(yè)對每個知識型員工的激勵成本C為總成本乘以該員工在項目中的知識權(quán)重δi。假定εi，αi為已知量，δi根據(jù)AHP法計算出來。此模型的意義為：精神激勵要素是經(jīng)過轉(zhuǎn)換后與物質(zhì)激勵要素一樣可以用貨幣的形式表示；團隊成員i對物質(zhì)激勵要素和非物質(zhì)激勵要素的偏好之和為1，物質(zhì)激勵要素與非物質(zhì)激勵要素對知識型員工效用的資金產(chǎn)出彈性一樣，每個成員的收益受其共享策略及所具備知識對項目重要性等因素的影響，知識型員工在企業(yè)的激勵預(yù)算成本內(nèi)追求自身效用的最大化。

（二）知識型企業(yè)的效用函數(shù)假設(shè)企業(yè)的效用函數(shù)就是在項目成功實施后所創(chuàng)造的凈利潤L（總利潤減掉激勵知識型員工所付出成本），則企業(yè)追求的效用最大化模型如下：函數(shù)中各個因子的含義如下：假定所有知識型員工創(chuàng)造的績效對企業(yè)利潤的產(chǎn)出彈性為同一值，設(shè)為知識型員工創(chuàng)造的績效對企業(yè)利潤的產(chǎn)出彈性，屬于勞動產(chǎn)出彈性，0<η<1；Mi1，Mi2為知識型員工對物質(zhì)激勵要素和非物質(zhì)激勵要素的最優(yōu)選擇量；η為已知數(shù)。該模型的意義為：在企業(yè)一定的知識共享機制下，所有項目參與者通過知識共享創(chuàng)造利潤減去企業(yè)為達成知識共享給員工的激勵成本就是企業(yè)所獲取凈利潤。凈利潤受成員對物質(zhì)非物質(zhì)激勵的偏好性、知識相對項目的權(quán)重、員工所選策略等因素的影響。

（三）模型求解企業(yè)最大化利潤是由項目參與者的各種屬性決定的，所以其最大值也是受參與者的收益影響的，為了求出企業(yè)最好的效益模型，我們用逆向歸納法先求出各參與者的最優(yōu)選擇。從ui的最大值可以看出，員工收益最大值除了員工自身屬性影響之外，還與企業(yè)投入成本C相關(guān)，我們可以在保證員工收益最大化的條件下求企業(yè)如何控制C的值，既能保證員工收益最大化，又能保證企業(yè)利潤最大化，從而達到兩者平衡。

三、結(jié)論

柳樹的詩句范文第4篇

關(guān)鍵詞： 協(xié)議識別； 正則表達式； 數(shù)據(jù)流前端檢測； DPI

中圖分類號： TN911.7?34； TP393 ； ； ； ； ； ； ； ； ； ； 文獻標識碼： A ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； 文章編號： 1004?373X（2014）23?0058?04

Abstract： With the demand of quick response capability in the information war， the network protocol identification needs to be efficient and quick. The protocol identification method based on deep packet inspection （DPI） can achieve high accuracy， however it brings about mass calculation because of inspection of all packets. The protocol identification method based on port inspection is fast， but its accuracy is low. A new protocol identification method based on data?flow front?end detection is proposed and the system implementation way is given in this paper. The simple fast advantage of port?based method and the accuracy advantage of DPI method are combined in this method. The experimental results show that the new protocol identification method can achieve high accuracy， and decrease the identification time by nearly 80% in comparison with the DPI methods.

Keywords： protocol identification； regular expression； data?flow front?end detection； DPI

0 ； 引 ； 言

現(xiàn)在信息戰(zhàn)都追求高速反應(yīng)，高速機動，要求對協(xié)議進行高效快速識別，以盡快達到對協(xié)議識別的高準確性。傳統(tǒng)的協(xié)議識別技術(shù)是端口識別[1]，這種識別具有較高的效率。但是隨著網(wǎng)絡(luò)協(xié)議的發(fā)展，原有的基于端口映射的協(xié)議識別技術(shù)局限性越來越明顯。特別是在信息化軍事戰(zhàn)場上，這種識別方式的應(yīng)用性幾乎為零。一種基于深度報文檢測（Deep Payload Inspection，DPI）的方法[2]，可以通過分析報文中的內(nèi)容，根據(jù)預(yù)先定義的大量模式（域值、關(guān)鍵字或者正則表達式），對報文中的內(nèi)容進行匹配，尋找匹配項，并確定報文所屬的應(yīng)用層協(xié)議，從而判定整個數(shù)據(jù)流所屬的協(xié)議類型。雖然DPI方法可以達到很高的識別準確性，但是也存在以下問題：計算量大，需要對數(shù)據(jù)流的所有數(shù)據(jù)包內(nèi)容進行檢測，從而使得采用DPI方法困難且價格昂貴；用戶的隱私保護，由于DPI需要檢測數(shù)據(jù)包的全部負載，導(dǎo)致用戶的隱私數(shù)據(jù)內(nèi)容泄露。

本文創(chuàng)新地結(jié)合兩種方法提出一種綜合快速協(xié)議識別算法并進行了系統(tǒng)實現(xiàn)，通過對數(shù)據(jù)流的前端數(shù)據(jù)包進行深度包檢測來進行協(xié)議識別，不僅具有基于端口方法快速執(zhí)行的特點，同時又具有DPI方法識別準確性的優(yōu)勢。在真實數(shù)據(jù)流上的實驗結(jié)果表明，相比較完全基于深度包檢測的方法，該方法可以達到類似的識別精度，而且識別時間減少了將近80%。

1 ； 系統(tǒng)采用的識別方法

在基于深度包檢測的方法中，數(shù)據(jù)流的所有數(shù)據(jù)包都要進行模式匹配，但協(xié)議匹配并非總發(fā)生在數(shù)據(jù)流的末端。通過一個實驗分析來探測到底在一段數(shù)據(jù)流中檢測深度需要多大，即需要檢測多少個數(shù)據(jù)包才能識別應(yīng)用層協(xié)議。實驗采用從互聯(lián)網(wǎng)下載的真實數(shù)據(jù)流負載，其中包括典型協(xié)議HTTP，F(xiàn)TP，POP3，DHCP，SMTP，MSN，BitTorrent等協(xié)議的數(shù)據(jù)包。協(xié)議識別系統(tǒng)采用基于深度包檢測的協(xié)議識別方法[3?4]，添加一些調(diào)試語句來收集以下信息：數(shù)據(jù)包的協(xié)議匹配在什么地方發(fā)生，即匹配發(fā)生在數(shù)據(jù)流的哪個數(shù)據(jù)包上。通過實驗分析得到了如圖1所示的結(jié)果。其中橫軸表示協(xié)議匹配成功完成時匹配數(shù)據(jù)包在數(shù)據(jù)流中的位置，縱軸表示所有的數(shù)據(jù)流上發(fā)生協(xié)議匹配的次數(shù)。

<；E：＼LIHUI＼12月＼12.4＼現(xiàn)代電子技術(shù)201423＼Image＼03t1.tif>；

圖1 數(shù)據(jù)包匹配深度圖

從圖1中可以看到大部分協(xié)議匹配的完成只需檢測數(shù)據(jù)流的前幾個數(shù)據(jù)包就可以實現(xiàn)。這是因為協(xié)議運行的初期通常需要進行控制報文的交換，而這些交換報文通常是這種協(xié)議特有的，可以成為進行協(xié)議識別的特征。這個實驗提出了一種新的協(xié)議識別方法，即通過檢測網(wǎng)絡(luò)應(yīng)用中數(shù)據(jù)流最有意義的數(shù)據(jù)包，通常為數(shù)據(jù)流的前N個數(shù)據(jù)包，就可以成功地完成協(xié)議識別，在第3節(jié)討論[N]的具體取值。對數(shù)據(jù)流的前端數(shù)據(jù)包進行深度包檢測，具有以下優(yōu)點：達到接近于基于端口號方法的快速協(xié)議識別速度；盡量保護隱私數(shù)據(jù)。

2 ； 系統(tǒng)實現(xiàn)

2.1 ； 數(shù)據(jù)流前端數(shù)據(jù)包檢測

在協(xié)議識別系統(tǒng)實現(xiàn)中，只對數(shù)據(jù)流的前[N]個數(shù)據(jù)包進行深度包檢測。由于在網(wǎng)絡(luò)傳輸層以上的數(shù)據(jù)傳輸都是以數(shù)據(jù)流為單位，因此在網(wǎng)絡(luò)數(shù)據(jù)流的基礎(chǔ)上進行協(xié)議識別。在本系統(tǒng)中采用<；源IP，目的IP，端口號>；所定義的一組報文來描述數(shù)據(jù)流。協(xié)議識別在<；源IP，目的IP，端口號>；三元組所定義的數(shù)據(jù)流上進行，一條數(shù)據(jù)流屬于某個協(xié)議或者不屬于某個協(xié)議，協(xié)議識別采用基于正則表達式的字符串匹配來進行深度包檢測，在第3節(jié)中會詳細介紹。

當新的數(shù)據(jù)流報文出現(xiàn)時，協(xié)議識別系統(tǒng)將產(chǎn)生新的流標志來標識此數(shù)據(jù)流，完成對此數(shù)據(jù)流數(shù)據(jù)包檢測后，記錄該數(shù)據(jù)流識別狀態(tài)，如已識別或尚未識別。當發(fā)現(xiàn)新的數(shù)據(jù)包屬于舊有數(shù)據(jù)流，則判斷數(shù)據(jù)流的識別標識，若該數(shù)據(jù)流已識別，則識別系統(tǒng)跳過后續(xù)報文；若尚未識別，識別系統(tǒng)將該數(shù)據(jù)流送至匹配引擎匹配，根據(jù)匹配結(jié)果確定協(xié)議分類；尚不能分類的數(shù)據(jù)流則需保留協(xié)議識別狀態(tài)，以便后續(xù)報文到來時繼續(xù)進行識別。對于暫時不能識別的數(shù)據(jù)流，可以保存識別狀態(tài)，即記錄當前數(shù)據(jù)流識別過程進行狀態(tài)轉(zhuǎn)移時轉(zhuǎn)移到了哪個狀態(tài)；當再次遇到該數(shù)據(jù)流的數(shù)據(jù)包時，可以將保存的狀態(tài)恢復(fù)，繼續(xù)進行識別。采用這種方法不必對數(shù)據(jù)流重新進行識別，可以節(jié)省協(xié)議識別時間。

數(shù)據(jù)流協(xié)議識別算法如下所示，其中對每段數(shù)據(jù)流，只檢測前[N]個數(shù)據(jù)包。

1. while （新的數(shù)據(jù)包p到達）

2. ； if <；p（源IP），p（目的IP），p（端口號）>；未知

3. ； ； ； ； Con_id = ； 為<；p（源IP），p（目的IP），p（端口號）>；分配的連接號

4. ； ； ； ； if ； （能識別Con_id）

5. ； ； ； ； ； ； return 協(xié)議類型

6. ； ； ； ； else

7. ； ； ； ； ； ； 保存Con_id協(xié)議識別最新狀態(tài)

8. ； else

9. ； ； ； Con_id = ； 已保存的<；p（源IP），p（目的IP），p（端口號）>；連接號

10. ； ； 恢復(fù)最新識別狀態(tài)

11. ； ； if ； （能識別Con_id）

12. ； ； ； ； ； return 協(xié)議類型

13. ； ； else

14. ； ； ； ； 保存Con_id協(xié)議識別最新狀態(tài)

數(shù)據(jù)流匹配算法只掃描一次數(shù)據(jù)流，隨著數(shù)據(jù)包的輸入，可以在輸入的任何位置完成識別，而無需重復(fù)掃描數(shù)據(jù)包；對未識別的數(shù)據(jù)流，從當前識別狀態(tài)而不是初始狀態(tài)繼續(xù)進行匹配，提高了整個協(xié)議識別速度。

2.2 ； 基于正則表達式的數(shù)據(jù)包檢測

協(xié)議特征提取可以通過對協(xié)議的相關(guān)文檔的研究，找出協(xié)議交互過程有的且必定出現(xiàn)的固定字段。若協(xié)議中只有惟一的固定字段，就選取該字段作為協(xié)議的特征串；若存在多個固定字段，則對協(xié)議的實際報文進行統(tǒng)計，選取出現(xiàn)頻率最高的字段作為協(xié)議的特征串。

正則表達式[5]是采用某種模式去匹配一類字符串的公式，主要用于文本搜索、程序語言編譯器等領(lǐng)域。作為一種形式語言，正則表達式定義了一套自己的描述方式：完整的正則表達式是由兩種字符構(gòu)成的字符模式，其殊字符稱為“元字符”，其他的普通ASCII字符稱為“文字”。描述一組可匹配的字符串時不用明確地列舉出所有的確切形式，而是通過元字符描述子串或者單個字節(jié)的特征。在正則表達式中，既可以使用ASCII字符，也可以使用十六進制數(shù)?；谡齽t表達式的模式匹配就是將這一字符模式與所搜索的字符串進行匹配。正則表達式比固定字符串具有更強的表達能力和更好的靈活性，因此采用正則表達式代替固定字符串表示協(xié)議的特征。

例如對于文件傳輸協(xié)議FTP，通常服務(wù)器會傳輸字符串“220”表示服務(wù)器已準備好，接下來會傳輸一段數(shù)據(jù)，其中包含字符串“FTP”，在“220”和“FTP”之間會有一些ASCII字符串。根據(jù)這些特性，可以將協(xié)議FTP的協(xié)議特征用正則表達式“^220*FTP”來表示。

2.3 ； 基于正則表達式的字符串匹配

字符串匹配問題，就是在一個文本[T=t1t2…tn]中找出某個特定模式串[p=p1p2…pn]的所有出現(xiàn)位置。其中[T]和[p]都是有限字母表[Σ]上的字符序列。匹配算法使用一個固定長度的窗口來搜索模式串，在窗口內(nèi)檢驗?zāi)Ｊ绞欠衿ヅ?，然后從左向右不斷地移動窗口，直到掃描完整個文本。利用自動機進行字符串匹配[6]只需對每個文本字符檢查一次，并且檢查每個文本字符的時間為常數(shù)。因此對長度為[n]的文本，建立自動機后匹配算法的時間為[（n）。]

4 ； ； 結(jié) ； 論

本文提出一種基于數(shù)據(jù)流前端檢測的協(xié)議識別方法并進行了系統(tǒng)實現(xiàn)，結(jié)合了基于端口方法的快速簡單和基于DPI的準確性的優(yōu)點。系統(tǒng)實驗表明此種方法識別準確率高，相比傳統(tǒng)方法識別時間減少將近80%。

參考文獻

[1] KARAGIANNIS T， BROIDO A， BROWNLEE N， et al. Is p2p dying or just hiding？ [C]// Proceedings of IEEE Globecom. [S.l.]： IEEE， 2004， 3： 1532?1538.

[2] RISSO F， MORANDI O， BALDI M， et al. Lightweight， Payload?based traffic classification： An experimental evaluation [C]// Proceedings of ICC’08. [S.l.]： IEEE， 2008： 5869?5875.

[3] CROTTI M， DUSI M， GRINGOLI F， et al. Traffic classification through simple statistical fingerprinting [J]. ACM SIGCOMM CCR， 2007， 37（1）： 7?16.

[4] LI Zhu， YUAN Rui?xi， GUAN Xiao?hong. Accurate classification of the internet traffic based on the svm method [C]// Proceedings of ICC. [S.l.]： [s.n.]， 2007： 1373?1378.

[5] GREGER H， FELDMANN A， MAL M， et al. Dynamic application?layer protocol analysis for network intrusion detection [C]// Proceedings of USENIX Security Symposium. [S.l.]： [s.n.]， 2006： 1125?1130.

[6] CORMEN T H， LEISERSON C E， RIVEST R L， et al. Introduction to algorithms [M]. 2 ed. [S.l.]： [s.n.]， 2002.

[7] 陳曙暉.基于內(nèi)容分析的高速網(wǎng)絡(luò)協(xié)議識別技術(shù)研究[D].長沙：國防科技大學(xué)，2007.

柳樹的詩句范文第5篇

【關(guān)鍵詞】客戶流失 客戶維系與挽留 預(yù)警模型 電信企業(yè)

一、引言

隨著電信企業(yè)之間的競爭加劇，電信運營商不斷推出新的套餐和新的業(yè)務(wù)，希望能夠爭取到更多的市場份額。但同時也在很大程度上加大了客戶的不穩(wěn)定性，使得客戶離網(wǎng)現(xiàn)象頻繁發(fā)生。研究表明，一個公司如果將其顧客流失率降低5%，利潤就能增加25%至85%。由此可見，大量的客戶流失讓運營商蒙受巨大損失。

結(jié)合客戶細分的思想，本文提出了一種新的電信企業(yè)客戶流失預(yù)警模型。

二、相關(guān)定義

（一）客戶流失的定義與分類

客戶流失只指客戶因為某些原因與電信運營商解除服務(wù)合同的行為?？蛻艚獬?wù)合同的原因有多種多樣，但歸納起來主要有如下幾類：自然流失：是指客戶因為企業(yè)不能給提供所期望的產(chǎn)品和服務(wù)（如不能提供寬帶上網(wǎng)功能等）或者某些客觀因素（如到異地工作或下崗等）而選擇離網(wǎng)所導(dǎo)致的客戶流失；惡意流失：是指客戶因為個人私欲因素（如惡意欠費后為了逃避繳費等）而選擇離網(wǎng)所導(dǎo)致的客戶流失；競爭流失：是指客戶因為企業(yè)競爭對手因素（如競爭對手提供了更優(yōu)惠的資費政策）而選擇離網(wǎng)所導(dǎo)致的客戶流失；失望流失：是指客戶因為企業(yè)服務(wù)質(zhì)量因素（如網(wǎng)絡(luò)覆蓋或服務(wù)態(tài)度等）而選擇離網(wǎng)所導(dǎo)致的客戶流失。

三、客戶流失預(yù)警模型的構(gòu)建

（一）客戶細分

客戶細分有多種方法，如依據(jù)客戶的性別、年齡、支付能力、信用度等均可對客戶進行分類。在客戶流失預(yù)警模型中，我們依據(jù)客戶對企業(yè)的貢獻大小進行分類，主要分為以下三種：高價值客戶、普通價值客戶、低價值客戶。假定企業(yè)每月均攤到每個客戶的日常維護成本為C，則各類客戶定義如下：高價值客戶：是指月均話費大于等于kC的客戶；普通價值客戶：是指月均話費介于1C到kC之間的客戶；低價值客戶：是指月均話費小于1C的客戶。

（二）模型數(shù)據(jù)屬性分析

影響客戶流失預(yù)警判定的數(shù)據(jù)屬性通常多種多樣，這些屬性之間存在著或強或弱的相關(guān)關(guān)系，以全部屬性作為細分標準顯然過于復(fù)雜，并且也難于在實時環(huán)境中識別和追溯目標；而任意選取其中某個或某幾個屬性又會影響對客戶流失行為的解釋力度，降低預(yù)警效果。因此，較為有效的方法是從這些相互關(guān)聯(lián)的影響屬性中，通過約簡算法抽取對客戶流失行為起關(guān)鍵影響的屬性；或者對這些屬性進行抽取整合，重新構(gòu)造少數(shù)關(guān)鍵指標，這些指標是原有影響屬性（或稱因子）的線性組合，能綜合原有影響屬性的最大信息，相互之間的相關(guān)性較小。

（三）流失客戶的特征挖掘

基于慢啟動的頻繁模式挖掘算法。在傳統(tǒng)的頻繁模式挖掘研究中，項（Item）是一個文字，在交易數(shù)據(jù)庫中，它可以代表商品，在分類時，它可以代表屬性的值。設(shè)I={Il，I2，...，Im}為項的全集，D={Tl，T2，...，Tn}為事務(wù)數(shù)據(jù)庫，其中，每個事務(wù)Ti（i[1，2，…，n]）包含事務(wù)ID號TID和一個I中項的子集Itemset。

定義一：I的子集XI稱作項集或模式。項集X的支持度計數(shù)supes_count（X）為D中包含項集X的事務(wù)數(shù)，X的支持度sup-port（X）=supes_count（X）/|D|，其中|D|是D中事務(wù)的個數(shù)。

定義二：對于預(yù)先指定的最小支持度閥值δ，如果項集（模式）X的支持度滿足：support（X）δ，則稱項集（模式）X是頻繁的。

定義三（頻繁數(shù)）：頻繁數(shù)是指在事務(wù)數(shù)據(jù)D中，數(shù)據(jù)項的支持度大于最小支持度閾值的所有數(shù)據(jù)項個數(shù)的總和，記為R。定義4（最高頻繁項次數(shù)）：最高頻繁項次數(shù)是指在所有的頻繁模式中項數(shù)最高的頻繁項的項的個數(shù)值，記為M。

定義判決函數(shù)f為頻繁項次數(shù)和頻繁數(shù)的如下線性組合：f=αR+βM，其中，α和β為權(quán)重因子，滿足α+β=1。

基于上述公式，可給出基于慢啟動的頻繁模式挖掘算法的實現(xiàn)步驟如下：

（1）最小支持度閾值指數(shù)遞增過程）Step1：取一個較小的δ值作為初始最小支持度閾值，根據(jù)式（1）計算判決函數(shù)f的值f1?！璖tepi：取2i-1δ作為最小支持度閾值，計算判決函數(shù)值fi，若fi≤fi-1，轉(zhuǎn)入步驟i+1。Stepi+1：取2iδ作為最小支持度閾值，計算判決函數(shù)值fi+1，若fi+1>fi，轉(zhuǎn)入步驟i+2。

（2）最小支持度閾值線性遞增過程）Stepi+2：取2i-1δ+ζ作為最小支持度閾值，計算判決函數(shù)值fi+2，若fi+2≤fi，轉(zhuǎn)入步驟i+3?！?/p>

Stepi+1+k：取2i-1δ+（k-1）ζ作為最小支持度閾值，計算判決函數(shù)值fi+l+k，若fi+l+k>fi+k，結(jié)束。這樣最小支持度閾值線性遞增過程結(jié)束，得到最小的判決函數(shù)值fi+k，以及最終最小支持度閾值2iδ+（k-1）ζ。

客戶流失預(yù)警模型的建模過程主要包括如下幾個步驟：

①數(shù)據(jù)抽取：首先，從業(yè)務(wù)系統(tǒng)中抽取離；②網(wǎng)客戶數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集合；對訓(xùn)練數(shù)據(jù)集合中的數(shù)據(jù)進行屬性約簡，并將約簡后的屬性集合作為模型的訓(xùn)練輸入數(shù)據(jù)集合；③采用基于慢啟動的頻繁模式挖掘算法對模型的訓(xùn)練輸入數(shù)據(jù)集合進行頻繁模式挖掘，并基于挖掘得到的流失客戶特征構(gòu)建分類器；④輸入新的客戶數(shù)據(jù)作為測試數(shù)據(jù)集合；對測試數(shù)據(jù)集合中的數(shù)據(jù)進行屬性約簡，并將約簡后的屬性集合作為模型的測試輸入數(shù)據(jù)集合；⑤采用基于慢啟動的頻繁模式挖掘算法對模型的測試輸入數(shù)據(jù)集合中的每個用戶對應(yīng)的數(shù)據(jù)集合進行頻繁模式挖掘；⑥將挖掘得到的新用戶的特征與分類器中的特征集合進行模式匹配，判定該用戶是否會具有離網(wǎng)傾向。將有離網(wǎng)傾向的客戶集反饋給客戶維系與挽留系統(tǒng)，為客戶服務(wù)部門開展客戶維系與挽留工作提供決策參考。

四、結(jié)論

本文實現(xiàn)了一個分組模糊神經(jīng)網(wǎng)絡(luò)，具有較好的逼近能力和泛化能力，同時也在一定程度上減少了訓(xùn)練時間。本文作者創(chuàng)新點：提出了一種用于模糊神經(jīng)網(wǎng)絡(luò)函數(shù)逼近的新方法，將分組的思想與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合應(yīng)用于函數(shù)的逼近。

參考文獻：

[1]何玉彬，李新忠.神經(jīng)網(wǎng)絡(luò)控制技術(shù)及其應(yīng)用[M].北京：科學(xué)出版社，2000，（12）.

[2]韓峻峰，李玉惠等.模糊控制技術(shù)[M].重慶：重慶大學(xué)出版，2003，（10）.

[3]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及其仿真實例[M].北京：機械工業(yè)出版社，2007，（05）.

[4]胡德文，王正志等.神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制[M].長沙：國防科技大學(xué)出版社，2005，（09）.

[4]王士同.神經(jīng)模糊系統(tǒng)及其應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2008，（07）.