本技術(shù)成果公開了一種結(jié)構(gòu)化的多進(jìn)制準(zhǔn)循環(huán)低密度奇偶校驗(yàn)環(huán)碼(LDPC cycle codes)的構(gòu)造方法,其 步驟為:獲取準(zhǔn)循環(huán)的二進(jìn)制基矩陣Hbqc,采用有限域上的元素乘的方法隨機(jī)填充各個循環(huán)子矩陣;采用 環(huán)搜索方法來獲得長度與圍長g有關(guān)的所有環(huán)的數(shù)目及環(huán)中元素所在的位置;對于搜索到的每個環(huán),計(jì)算 它的環(huán)熵Ec,然后改變這個環(huán)中元素的值使得環(huán)熵Ec盡可能增大,直到每個環(huán)的環(huán)熵都不再增大為止;為 了保持多進(jìn)制LDPC碼校驗(yàn)矩陣的準(zhǔn)循環(huán)的特性,從尋找到的環(huán)中的每一個元素作為起始元素開始更新循 環(huán)子矩陣,更新采用的方法就是使起始元素所在循環(huán)子矩陣滿足乘規(guī)則;通過這個方法得到了一個多進(jìn)制 準(zhǔn)循環(huán)LDPC碼的校驗(yàn)矩陣Hnqc。本技術(shù)成果提出的構(gòu)造方法所構(gòu)造出的碼字具有優(yōu)異的糾錯性能——在 相同的信噪比時可以獲得更低的誤碼率(誤比特率BER,無符號率SER和誤幀率FER);所獲得的碼字結(jié) 構(gòu)具有準(zhǔn)循環(huán)特性,提高了編碼速度。 90%以上。 2.創(chuàng)造性建立了基于MapReduce貝葉斯算法的客戶流失預(yù)警模型,采用貝葉斯分類算法預(yù)測客戶流失 高風(fēng)險群體。本模型預(yù)測準(zhǔn)確率達(dá)62%以上。