本文關鍵詞：蟻群與K均值聚類算法融合研究及其在用戶分群中的應用　出處：《西南科技大學》2015年碩士論文　論文類型：學位論文

  更多相關文章： 數據挖掘 聚類 K-means 聚類 蟻群聚類 用戶分群

【摘要】：如今市場競爭日益激烈,企業(yè)面對數量巨大的消費者群體,傳統(tǒng)的大眾化營銷的成本高且沒有優(yōu)勢。對用戶群體進行細分,針對不同用戶群體進行精準的市場營銷,能提高企業(yè)營銷策略的效率,獲得更好的營銷效果。傳統(tǒng)數據分析方法難以處理海量的用戶數據,因此,采用數據挖掘技術中的聚類分析算法實現企業(yè)用戶分群。論文給出了營銷原理及數據挖掘技術相關理論說明,研究了聚類分析技術中K-means聚類算法和蟻群聚類算法的基本原理。分析了長虹社區(qū)論壇的用戶數據,根據用戶數據數量大、屬性多的特點,提出適用于論壇用戶聚類的改進算法Ant-K-means聚類算法。研究了K-means聚類算法對簇數量的選取和初始聚類中心的質量敏感以及蟻群聚類算法搜索時間長的問題解決方法。完成了蟻群聚類算法對數據集中抽取的部分樣品數據的聚類,并將蟻群聚類獲取的簇數量和簇中心作為輸入參數,使用本文改進的基于信息素的K-means算法對全部數據進行快速聚類,獲得最終聚類結果。將改進后的聚類算法應用到長虹智能電視的論壇用戶分群中,根據用戶的行為數據將用戶聚類到不同的簇,對各簇的用戶進行了分析與可視化。將改進算法應用到長虹論壇的用戶分群中,實驗結果顯示分群效果良好,群體內用戶特征相似性較高,驗證了改進算法的正確性和有效性,為長虹智能電視的產品營銷與用戶服務提供了決策依據。
[Abstract]:Nowadays, the market competition is increasingly fierce, enterprises face a large number of consumer groups, traditional popular marketing has high cost and no advantages. Accurate marketing for different user groups can improve the efficiency of enterprise marketing strategies and achieve better marketing results. Traditional data analysis method is difficult to deal with massive user data, so. The clustering analysis algorithm of data mining technology is used to realize the clustering of enterprise users. The marketing principle and the related theory of data mining technology are given in this paper. This paper studies the basic principles of K-means clustering algorithm and ant colony clustering algorithm in clustering analysis technology, and analyzes the user data of Changhong Community Forum, according to the characteristics of large number of user data and many attributes. An improved Ant-K-means clustering algorithm for forum users is proposed. The sensitivity of K-means clustering algorithm to the selection of cluster numbers and the quality of initial clustering centers and ant colony clustering are studied. To solve the problem of long searching time, the ant colony clustering algorithm is used to cluster part of the sample data extracted from the data set. The number of clusters and cluster centers obtained by ant colony clustering are taken as input parameters, and the improved K-means algorithm based on pheromone is used to cluster all the data quickly. The improved clustering algorithm is applied to the forum user cluster of Changhong Intelligent TV, and the users are clustered into different clusters according to the user behavior data. The improved algorithm is applied to the user cluster of Changhong Forum. The experimental results show that the clustering effect is good and the similarity of user characteristics within the group is high. The correctness and effectiveness of the improved algorithm are verified, and the decision basis for the product marketing and customer service of Changhong Intelligent TV is provided.
【學位授予單位】：西南科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP311.13

【參考文獻】

相關期刊論文 前8條

1 林勤;薛云;;雙聚類算法在電信高價值客戶細分的應用[J];計算機應用;2014年06期

2 許洪瑋;曹江中;何家峰;戴青云;;基于密度與路徑的穩(wěn)健譜聚類[J];計算機工程與應用;2015年02期

3 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學報;2008年01期

4 張佳;;提升我國中小企業(yè)核心競爭力的策略探析[J];現代物業(yè)(中旬刊);2010年08期

5 林江云;雷良桃;;聚類算法在證券公司CRM中客戶細分的應用[J];心智與計算;2010年04期

6 李彬;;具有全局優(yōu)化能力的K均值聚類算法[J];西南師范大學學報(自然科學版);2014年07期

7 肖立中;劉云翔;陳麗瓊;;基于改進粒子群的加速K均值算法在入侵檢測中的研究[J];系統(tǒng)仿真學報;2014年08期

8 李旭;徐立祥;劉家保;;基于K均值聚類改進的蟻群算法研究[J];河北北方學院學報(自然科學版);2014年06期

相關碩士學位論文 前1條

1 張晨平;基于目標客戶聚類的營銷系統(tǒng)設計與實現[D];上海交通大學;2012年

，

本文編號：1367584