Введение
ГЛАВА 1. Телекоммуникационный трафик в биллинговых системах 9
1.1. Обзор биллинговых систем 9
1.2. Основные функции и архитектура биллинговых систем 14
1.3. Требования, предъявляемые кбиллинговым системам 16
1.4. Основные процессы и организация биллинга 19
1.5. Телекоммуникационный трафик и задачи аналитического управления .25
1.6. Выводы 30
ГЛАВА 2. Классификация методов выявления скрытых закономерностей применительно к телекоммуникационному трафику 31
2.1. Определение Data Mining 31
2.2. Классификация задач Data Mining 32
2.3. Этапы исследования данных с помощью методов Data Mining 35
2.4. Методы Data Mining 37
2.4.1. Кластеризация 37
2.4.2. Ассоциация 38
2.4.3. Деревья решений 39
2.4.4. Метод «ближайших соседей» 40
2.4.5. Нейронные сети 41
2.4.6. Нечеткая логика 42
2.4.7. Генетические алгоритмы 43
2.4.8. Эволюционное программирование 44
2.4.9. Визуализация 45
2.5. Практическое использование Data Mining в телекоммуникационных системах 46
2.6. Выводы 49
ГЛАВА 3. Регрессионно-когнитивные модели для анализа биллинговых систем 50
3.1. Концепция когнитивного моделирования 50
3.2. Регрессионно-когнитивные модели (РКМ) 59
3.3. Регрессионный анализ телекоммуникационных данных 68
3.4. Поиск решения для РКМ 78
3.5. Выводы 81
ГЛАВА 4. Оценка взаимовлияний и прогнозирование объемов телекоммуникационных услуг на основе РКМ ... 83
4.1. Процесс сегментирования в телекоммуникациях 83
4.2. Прогнозирование объемов телекоммуникационных услуг на основе РКМ85
4.2.1. РКМ для прогнозирования объема трафика телекоммуникационной компании 85
4.2.2. РКМ для прогнозирования объема трафика телекоммуникационной компании с учетом фактора времени 98
4.2.3. РКМ для прогнозирования объемов трафика клиентов телекоммуникационной компании 108
4.3. Выводы 124
Заключение 125
