客户流失分析是移动数据仓库中数据挖掘模型建设的重要模型之一，其主要目的是对移动客户基本信息和过去一段时间内的历史呼叫记录进行挖掘分析，提取出客户离网倾向的信息，这样移动运营商可以对即将离网的高价值客户采取一定的挽留措施实施挽留，从而降低损失，提高企业的收益。 傅立叶神经网络和过程神经网络都是数据挖掘新技术。它们都是传统的人工神经网络在时间域上的扩展，它们的输入可以是随时间变换的函数或序列。相比之下两种模型各有所长。过程神经网络模型通用性和表达能力更强，但在移动通信客户流失分析的应用中，时间效率还有待提高；傅立叶神经网络模型简单且效率更高，但其表达能力弱于过程神经网络。 ChurnMiner客户流失分析系统运用了包括神经网络在内的多种数据挖掘模型来对移动通信客户流失进行预测。本文将介绍ChurnMiner系统中傅立叶神经网络子系统的设计与实现。本文工作的主要贡献在于： 同时借鉴了过程神经网络和傅立叶神经网络的长处。本文通过在一定条件下的变换，将过程神经网络模型转换为等价的傅立叶神经网络模型，并采用了一系列的模型结构和学习过程方面的优化，在保持了模型表达能力和预测准确率的同时，提高了时间效率，满足了移动通信客户流失分析对时间效率的严格要求； 实现了ChurnMiner客户流失分析系统和傅立叶神经网络子系统，并通过在中国移动多家省公司的试点和应用，积累经验、反复优化，达到了较高的时间效率和准确率。本系统在多家移动公司进行了试点，并成功在某移动公司投入应用。