本文關(guān)鍵詞： 聚類分析 客戶關(guān)系管理 數(shù)據(jù)挖掘 密度 網(wǎng)格　出處：《電子科技大學(xué)學(xué)報(bào)》2007年06期 　論文類型：期刊論文

【摘要】：聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一種非常有用的技術(shù),它用于從大量數(shù)據(jù)中尋找隱含的數(shù)據(jù)分布模式,主要有分割法、層次法、密度法、網(wǎng)格法和模型法等。該文主要討論數(shù)據(jù)挖掘中一種基于密度和網(wǎng)格的聚類分析算法及其在客戶關(guān)系管理中的應(yīng)用。該算法具有較高的聚類效率而且容易實(shí)現(xiàn),可以發(fā)現(xiàn)任意形狀的聚類,時(shí)間復(fù)雜度低,聚類精度高,適用于數(shù)據(jù)的批量更新。該文還提出增量式聚類技術(shù),它不僅能夠利用前期聚類的結(jié)果,充分提高聚類分析的效率,而且可以降低維護(hù)知識(shí)庫所帶來的巨大開銷。實(shí)驗(yàn)證明了算法的有效性。
[Abstract]:Clustering analysis is a very useful technique in the field of data mining. It is used to find hidden data distribution patterns from a large number of data. This paper mainly discusses a clustering algorithm based on density and grid in data mining and its application in customer relationship management. This algorithm has high clustering efficiency and is easy to implement. It can be found that the clustering of arbitrary shape has low time complexity, high clustering accuracy and is suitable for batch updating of data. This paper also proposes an incremental clustering technique, which can not only utilize the results of previous clustering, but also fully improve the efficiency of clustering analysis. Moreover, it can reduce the huge cost of maintaining the knowledge base, and the experimental results show that the algorithm is effective.
【作者單位】： 華北電力大學(xué)計(jì)算機(jī)學(xué)院 華北電力大學(xué)計(jì)算機(jī)學(xué)院
【分類號(hào)】：TP301

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 胡泱,陳剛;一種有效的基于網(wǎng)格和密度的聚類分析算法[J];計(jì)算機(jī)應(yīng)用;2003年12期

2 陳梅蘭;基于網(wǎng)格和密度聚類算法研究[J];計(jì)算機(jī)與現(xiàn)代化;2005年02期

3 馬光志,倪國元;一種增量式模糊聚類算法[J];微計(jì)算機(jī)應(yīng)用;2005年01期

4 孫志偉;趙政;王紅梅;;基于網(wǎng)格和密度的隨機(jī)樣例的聚類算法[J];天津大學(xué)學(xué)報(bào);2006年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前4條

1 付淇;李正凡;;基于CLIQUE的聚類算法研究[J];華東交通大學(xué)學(xué)報(bào);2006年05期

2 朱倩,黃志軍;一種改進(jìn)的基于密度和網(wǎng)格的高維聚類算法[J];艦船電子工程;2005年05期

3 夏富春;苗奪謙;李道國;;信息系統(tǒng)屬性增量約簡算法的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與應(yīng)用;2006年21期

4 單世民;鄧貴仕;何英昊;;一種基于網(wǎng)格和密度的微粒群混合聚類算法[J];計(jì)算機(jī)科學(xué);2006年11期

相關(guān)會(huì)議論文 前1條

1 扶名福;謝明祥;饒泓;;模糊聚類分析在抽風(fēng)機(jī)故障診斷中應(yīng)用[A];第15屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集（第Ⅱ冊）[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 單世民;基于網(wǎng)格和密度的數(shù)據(jù)流聚類方法研究[D];大連理工大學(xué);2006年

2 宋緒欽;基于GIS的中國地區(qū)資本市場發(fā)展程度評(píng)價(jià)[D];解放軍信息工程大學(xué);2005年

3 普運(yùn)偉;復(fù)雜體制雷達(dá)輻射源信號(hào)分選模型與算法研究[D];西南交通大學(xué);2007年

4 張雪萍;基于群集智能的帶約束條件空間聚類分析研究[D];解放軍信息工程大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 朱紅燦;基于SOM的兩階段中文文本聚類算法的研究[D];湘潭大學(xué);2005年

2 龐洋;基于數(shù)據(jù)挖掘的園區(qū)網(wǎng)綜合安全審計(jì)系統(tǒng)研究與設(shè)計(jì)[D];中國人民解放軍信息工程大學(xué);2005年

3 于海濤;抽樣技術(shù)在數(shù)據(jù)挖掘中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2006年

4 賈晨科;基于K-距離的孤立點(diǎn)和聚類算法研究[D];鄭州大學(xué);2006年

5 邱曉蕾;基于網(wǎng)格的密度聚類算法[D];上海師范大學(xué);2006年

6 張晨希;數(shù)據(jù)挖掘技術(shù)在股票預(yù)測中的應(yīng)用[D];安徽大學(xué);2006年

7 胡軍輝;基于譜熵的故障特征提取與數(shù)據(jù)挖掘技術(shù)研究[D];西北工業(yè)大學(xué);2007年

8 許慧;基于數(shù)據(jù)分區(qū)和QR*樹的并行DBSCAN算法研究[D];哈爾濱工程大學(xué);2007年

9 張楓;基于網(wǎng)格的DBSCAN算法和聚類邊界技術(shù)的研究[D];鄭州大學(xué);2007年

10 岳峰;聚類的邊界點(diǎn)檢測算法研究[D];鄭州大學(xué);2007年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟建良;尚海昆;邊玲;;改進(jìn)的k-means聚類算法在供電企業(yè)CRM中的應(yīng)用[J];微計(jì)算機(jī)信息;2010年03期

2 朵春紅;王翠茹;;網(wǎng)格和密度的聚類算法在CRM中的應(yīng)用[J];電子科技大學(xué)學(xué)報(bào);2007年06期

3 蔣盛益;王連喜;;面向電信的客戶流失預(yù)測模型研究[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2011年05期

4 楊文君;宋妍;;模糊數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用[J];信息技術(shù);2007年07期

5 方忠祥,屠立;數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用研究[J];機(jī)床與液壓;2005年06期

6 黃曉殷;;基于數(shù)據(jù)挖掘的電信客戶細(xì)分[J];科技信息(科學(xué)教研);2007年29期

7 唐志航;楊保安;;系統(tǒng)聚類在客戶關(guān)系管理中的研究與應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2007年13期

8 鄭玲;陶紅玉;;客戶關(guān)系管理與數(shù)據(jù)挖掘技術(shù)綜述[J];中國電力教育;2008年S1期

9 李偉;;數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用[J];中國高新技術(shù)企業(yè);2008年22期

10 張安安;熊v炵，

本文編號(hào)：1555642