买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆邮电大学申请的专利基于条件Wasserstein GAN的电信客户流失预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115688048B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211347145.X，技术领域涉及：G06F18/25；该发明授权基于条件Wasserstein GAN的电信客户流失预测方法是由苏畅;魏铃林;谢显中设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本基于条件Wasserstein GAN的电信客户流失预测方法在说明书摘要公布了：本发明涉及一种基于条件WassersteinGAN的电信客户流失预测方法，属于网络技术领域。采用了基于带梯度惩罚的WassersteinGAN和条件GAN的综合GAN模型来对电信行业的不平衡数据进行处理。这也是首次将GAN用于处理电信行业的数据不平衡问题。同时，本发明还在CWGAN模型的基础上引入了混合注意力机制CBAM来进一步辅助生成器关注与分类任务相关的特征。之后，在四个常用的机器学习分类器上证明了所采用方法的有效性。

本发明授权基于条件Wasserstein GAN的电信客户流失预测方法在权利要求书中公布了：1.基于条件WassersteinGAN的电信客户流失预测方法，其特征在于：该方法包括以下步骤：S1：基于WGANGP和CGAN的综合GAN模型对电信客户数据集进行处理，引入混合注意力机制CBAM使生成器更加关注与目标相关的特征；S2：引入混合注意力机制辅助训练生成器；S3：生成器将结果输出给分类器，分别采用随机森林、逻辑回归、支持向量机和朴素贝叶斯机器学习分类器进行客户流失预测；所述S1中，所述WGANGP和CGAN衍生自原始的VanillaGAN，原始GAN是一个通过对抗过程学习生成模型的框架，由生成器G和鉴别器D两部分组成；其中，G的目标是生成与真实数据无法区分的数据样本；D的目标是区分真实数据样本和由G生成的合成样本；其目标函数如公式1所示： 其中，x是从真实数据分布pr中采样的样本，Ρr是真实数据分布，Ρg是由z～pz隐式定义的生成数据分布，其中z是从任意噪声分布p中采样的；在最优判别器下，最小化G的loss等价于最小化Ρr与Ρg之间的JSD，JSD是一个常数；WGAN使用Wasserstein-1距离来衡量真实数据分布和生成数据分布之间的距离；Wasserstein-1距离的公式如下： 其中，ΠΡr,Ρg表示真实数据分布Ρr和生成数据分布Ρg的整个可行联合分布集γx,y，x和y分别表示从Ρr和Ρg中采样得到的一个真实样本和生成样本；以使用Kantorovich-RubinsteinDuality定理将公式2进行转换得公式3： 其中，K是一个常数，||f||L表示函数f的Lipschitz常数；并且要求||f||L≤K，通过将神经网络的权重裁剪到某个范围[-c,c]来满足此约束；WGAN的目标函数如公式4所示： 设置一个额外的loss项来实现1-Lipschitz限制，WGANGP的目标函数如公式5所示： 其中λ是梯度惩罚系数，是沿着真实数据分布Ρr和生成数据分布Ρg之间的连线上随机插值采样得到值，ε~Uniform[0,1]；CGAN能够生成属于特定类别的样本，得到CGAN的目标函数公式如下： 鉴别器的分类任务通过引入一个辅助分类器GAN来实现；辅助分类器AC旨在预测给定样本的类别标签ACx＝Ρy|x；并且AC的交叉熵损失也被添加到生成器损失中，以调节生成器生成属于特定类别的样本；CWGAN的目标函数变为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。