本文關(guān)鍵詞：基于改進(jìn)人工蜂群算法的聚類(lèi)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),計(jì)算機(jī)、網(wǎng)絡(luò)的迅猛發(fā)展及市場(chǎng)競(jìng)爭(zhēng)的激烈程度不斷的加劇,帶來(lái)了客戶(hù)關(guān)系管理問(wèn)題中聚類(lèi)求解效率的更大挑戰(zhàn)。由于其簡(jiǎn)單、比其它的啟發(fā)式仿生算法更為有效且魯棒性強(qiáng)的特點(diǎn),人工蜂群算法已受到了國(guó)內(nèi)外學(xué)者的關(guān)注,并成功的應(yīng)用在工程方面。人工蜂群算法已被大量實(shí)踐證明能夠快速有效進(jìn)行求解,但是人工蜂群算法的設(shè)計(jì)過(guò)于依賴(lài)問(wèn)題特點(diǎn),設(shè)計(jì)一種能夠自動(dòng)基于問(wèn)題特點(diǎn)對(duì)算法設(shè)計(jì)進(jìn)行推薦的機(jī)制可以解決傳統(tǒng)算法設(shè)計(jì)方式的低效性和重復(fù)性問(wèn)題,實(shí)現(xiàn)問(wèn)題驅(qū)動(dòng)下的算法快速設(shè)計(jì)。本文在對(duì)問(wèn)題和算法進(jìn)行一般化抽象的基礎(chǔ)上,建立了有效提高聚類(lèi)效率的改進(jìn)人工蜂群算法。本文研究工作和創(chuàng)新點(diǎn)主要包括： (1)建立聚類(lèi)分析算法的一般描述模型 通過(guò)對(duì)客戶(hù)關(guān)系問(wèn)題的對(duì)象及其屬性進(jìn)行分析,整理出該問(wèn)題聚類(lèi)性的屬性特點(diǎn),并在此基礎(chǔ)上基于本體理論建立了客戶(hù)關(guān)系問(wèn)題的聚類(lèi)描述模型。 (2)提出改進(jìn)蜂群算法 圍繞蜂群算法的原理、特點(diǎn)、改進(jìn)及其應(yīng)用等方面進(jìn)行全面綜述,重點(diǎn)針對(duì)復(fù)雜環(huán)境的蜂群算法研究?jī)?nèi)容以及算法的多種改進(jìn)形式,并對(duì)將來(lái)的研究方向進(jìn)行了分析。為了提高開(kāi)發(fā)探索能力,將全局最優(yōu)解整合到搜索過(guò)程中,提出了一種改進(jìn)的人工蜂群算法。改進(jìn)人工蜂群算法有效的提高了蜂群算法的性能。與對(duì)比算法相比,改進(jìn)的人工蜂群算法具有更高的收斂精度,并且收斂速度更快。 (3)建立混合算法求解框架 基于應(yīng)用客戶(hù)關(guān)系聚類(lèi)分析和蜂群算法引擎,構(gòu)建了問(wèn)題-策略知識(shí)庫(kù)。并建立了基于概率的蜂群算子選擇機(jī)制,通過(guò)記錄每類(lèi)問(wèn)題的算子選擇歷史績(jī)效,不斷迭代分化不同算子組合的選擇概率,最終實(shí)現(xiàn)對(duì)算子的推薦策略。在該機(jī)制的建立過(guò)程中,設(shè)計(jì)了兩種生成初始算子池的方法,一種是基于蜂群算法設(shè)計(jì)規(guī)則全集的方法,另一種則是以基于均勻聚類(lèi)設(shè)計(jì)的方法得到的算子設(shè)計(jì)規(guī)則樣本為初始算子池。改進(jìn)人工蜂群算法能調(diào)節(jié)全局尋優(yōu)能力與局部尋優(yōu)能力的優(yōu)點(diǎn)與K-均值算法收斂速度快的優(yōu)點(diǎn)相結(jié)合,來(lái)提高算法的魯棒性。通過(guò)大量的實(shí)驗(yàn)分析,該算法不僅克服了傳統(tǒng)K-均值聚類(lèi)算法穩(wěn)定性差的缺點(diǎn),而且聚類(lèi)效果也有了明顯改善,同時(shí)也證明了這兩種方法的合理性和有效性。 (4)框架的實(shí)例化和方法研究 根據(jù)優(yōu)化求解策略和改進(jìn)蜂群算法,對(duì)客戶(hù)關(guān)系管理問(wèn)題進(jìn)行實(shí)例化。通過(guò)對(duì)該問(wèn)題分類(lèi)的定量化描述和對(duì)聚類(lèi)算法推薦方法的研究,實(shí)例化了求解這類(lèi)問(wèn)題的算子框架。實(shí)驗(yàn)證明了該混合算法的可行性和合理性。
【關(guān)鍵詞】：群集智能 聚類(lèi)分析 改進(jìn)蜂群算法 客戶(hù)關(guān)系管理 混合蜂群算法
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TP18
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 緒論11-22
• 1.1 課題背景及研究意義11-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-19
• 1.2.1 國(guó)內(nèi)外數(shù)據(jù)挖掘研究現(xiàn)狀和發(fā)展趨勢(shì)13-15
• 1.2.2 國(guó)內(nèi)外聚類(lèi)分析算法研究現(xiàn)狀15-16
• 1.2.3 人工蜂群算法研究現(xiàn)狀16-19
• 1.3 論文的研究?jī)?nèi)容和研究思路19-22
• 1.3.1 研究?jī)?nèi)容19-20
• 1.3.2 研究思路20-22
• 第2章 聚類(lèi)算法22-34
• 2.1 聚類(lèi)算法22-29
• 2.1.1 聚類(lèi)算法基本知識(shí)22-23
• 2.1.2 聚類(lèi)分析算法23-27
• 2.1.3 聚類(lèi)算法的一般步驟27-28
• 2.1.4 聚類(lèi)的評(píng)價(jià)標(biāo)準(zhǔn)28-29
• 2.2 K-Means聚類(lèi)算法29-33
• 2.2.1 K-Means聚類(lèi)算法基本描述29
• 2.2.2 K-means聚類(lèi)算法步驟29-31
• 2.2.3 K-均值聚類(lèi)算法的優(yōu)缺點(diǎn)及改進(jìn)方式31-33
• 2.3 本章小結(jié)33-34
• 第3章 改進(jìn)人工蜂群K-means算法34-57
• 3.1 人工蜂群算法34-37
• 3.1.1 蜂群行為描述34
• 3.1.2 人工蜂群算法基本描述34-37
• 3.2 改進(jìn)人工蜂群算法37
• 3.3 改進(jìn)人工蜂群K-means算法37-40
• 3.4 改進(jìn)人工蜂群算法性能測(cè)試與分析40-56
• 3.4.1 實(shí)驗(yàn)測(cè)試集40-41
• 3.4.2 改進(jìn)蜂群算法與標(biāo)準(zhǔn)蜂群算法、遺傳算法以及進(jìn)化算法比較41-49
• 3.4.3 MABC同IABC、DE及PSO算法比較49-52
• 3.4.4 MABC同GABC、EABC及ABC算法比較52-53
• 3.4.5 測(cè)試limit值對(duì)蜂群算法性能的影響53-55
• 3.4.6 結(jié)論55-56
• 3.5 本章小結(jié)56-57
• 第4章 改進(jìn)人工蜂群K-means算法在客戶(hù)關(guān)系管理應(yīng)用57-71
• 4.1 客戶(hù)關(guān)系管理基本行業(yè)背景57-59
• 4.2 客戶(hù)關(guān)系管理技術(shù)59-63
• 4.2.1 CRM中的數(shù)據(jù)挖掘技術(shù)59-62
• 4.2.2 面臨的問(wèn)題62-63
• 4.3 改進(jìn)人工蜂群K-means算法客戶(hù)聚類(lèi)應(yīng)用63-66
• 4.3.1 客戶(hù)聚類(lèi)63-64
• 4.3.2 客戶(hù)聚類(lèi)基本描述64-65
• 4.3.3 客戶(hù)聚類(lèi)模型建立65-66
• 4.4 實(shí)驗(yàn)與分析66-70
• 4.5 本章小結(jié)70-71
• 第5章 結(jié)論與展望71-73
• 5.1 總結(jié)71-72
• 5.2 展望72-73
• 參考文獻(xiàn)73-78
• 攻讀學(xué)位期間公開(kāi)發(fā)表論文78-79
• 致謝79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 孫吉貴;劉杰;趙連宇;;聚類(lèi)算法研究[J];軟件學(xué)報(bào);2008年01期

  本文關(guān)鍵詞：基于改進(jìn)人工蜂群算法的聚類(lèi)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：401634