【摘要】：隨著通信業(yè)務(wù)的發(fā)展，要求國內(nèi)通信企業(yè)的運營模式由以產(chǎn)品為中心逐步向以客戶數(shù)據(jù)為中心、以信息為基礎(chǔ)的國際先進(jìn)模式轉(zhuǎn)變，客戶細(xì)分成為該經(jīng)營模式的前提和基礎(chǔ)。如何根據(jù)客戶消費行為對客戶進(jìn)行合理的細(xì)分，對不同的客戶提供適合其特點的個性化服務(wù)，為客戶創(chuàng)造價值，同時使企業(yè)利潤達(dá)到最大化，己成為通信運營商關(guān)注的焦點。數(shù)據(jù)挖掘聚類技術(shù)能有效的將具有相同特征的客戶聚為一類，為企業(yè)進(jìn)行客戶細(xì)分提供了技術(shù)支持。 本文對k-means算法進(jìn)行改進(jìn)研究并應(yīng)用于通信行業(yè)客戶細(xì)分中，主要工作如下： 剖析了聚類分析中的經(jīng)典k-means算法，闡述了算法思想和基本流程，分析了該算法的優(yōu)點和不足以及現(xiàn)有的改進(jìn)算法，重點分析了k-means算法對初始聚類中心的依賴性以及k-means算法處理海量數(shù)據(jù)時的時間效率低的缺陷。 針對這兩點不足，提出一種改進(jìn)算法。改進(jìn)算法取盡可能離得遠(yuǎn)的樣本點作為初始聚類中心，這樣可以避免經(jīng)典算法隨機選取初始中心時很可能出現(xiàn)的聚類中心過于鄰近的現(xiàn)象，有效防止了目標(biāo)準(zhǔn)則函數(shù)陷入局部最優(yōu)。另一方面，改進(jìn)算法在計算和比較樣本點間的距離時，將三角不等式原理引入到k-means算法中，，避免一些不必要的比較和距離計算，提高了算法的時間效率。然后通過仿真實驗來驗證改進(jìn)算法在聚類效率、聚類穩(wěn)定性和時間效率上均優(yōu)于經(jīng)典k-means算法。 最后將改進(jìn)的k-means算法應(yīng)用到電信客戶細(xì)分中，得到了比較理想的細(xì)分結(jié)果，并對結(jié)果進(jìn)行分析，從而對不同的客戶群制定不同的營銷策略，為企業(yè)提供合理的決策支持，具有一定的實際意義和應(yīng)用價值。
【圖文】：

Jc值最小。此算法一般采用誤差平方和和準(zhǔn)則函數(shù)通常定義為：21|| ||ikc ii p CJ p M i為類 Ci中數(shù)據(jù)對象的均值，p 為任一空平方和準(zhǔn)則函數(shù)我們可以發(fā)現(xiàn)：k-means 過程，目標(biāo)函數(shù)存在著多個局部極小點數(shù)的搜索方向一定總是沿著誤差平方和使得聚類中心向量 V 沿著不同的路徑減三個被選取的不同的初始值，那么目標(biāo)別找到各自對應(yīng)的最小值。其中，B、C A 點對應(yīng)的最小值才是全局最小點。k-bing)的一種，算法終止時找到的就是局部

k-means 算法一次迭代需要的總的時間復(fù)雜度為 O(nkd)，改要總的時間復(fù)雜度為 O(nαd)。 當(dāng)數(shù)據(jù)集規(guī)模較大時，即 n 比的優(yōu)越性就顯示出來了。面給出一個實例來詳細(xì)說明改進(jìn)算法選取初始聚類中心的過程
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：TP311.13;F626

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈克斌;信息系統(tǒng)設(shè)計中聚類分析方法的研究[J];北京工業(yè)大學(xué)學(xué)報;1999年03期

2 秦永俊;數(shù)據(jù)挖掘在CRM中的應(yīng)用設(shè)計[J];電腦開發(fā)與應(yīng)用;2004年01期

3 趙宏波 ,孟雅玲;數(shù)據(jù)挖掘在電信客戶關(guān)系管理中的應(yīng)用[J];電信技術(shù);2001年12期

4 王玲;薄列峰;焦李成;;密度敏感的譜聚類[J];電子學(xué)報;2007年08期

5 王政霞,黃大榮;基于統(tǒng)計方法的數(shù)據(jù)挖掘算法研究[J];湖北民族學(xué)院學(xué)報(自然科學(xué)版);2005年01期

6 曹曉辛,李檸,黃道;基于蟻群聚類算法的模糊神經(jīng)網(wǎng)絡(luò)[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2005年02期

7 漆晨曦;電信企業(yè)從產(chǎn)品導(dǎo)向向客戶導(dǎo)向的轉(zhuǎn)變[J];黑龍江通信技術(shù);2001年03期

8 周水庚,周傲英,曹晶;基于數(shù)據(jù)分區(qū)的DBSCAN算法[J];計算機研究與發(fā)展;2000年10期

9 周水庚,周傲英,曹晶,胡運發(fā);一種基于密度的快速聚類算法[J];計算機研究與發(fā)展;2000年11期

10 李丙永,顧輔柱,黃河;系統(tǒng)模糊聚類分析方法在房地產(chǎn)市場分析中的應(yīng)用[J];重慶建筑大學(xué)學(xué)報;2001年01期

相關(guān)碩士學(xué)位論文 前1條

1 孫曉霞;聚類分析在客戶細(xì)分領(lǐng)域的應(yīng)用研究[D];西北大學(xué);2006年

本文編號：2700514