本文選題：數(shù)據(jù)挖掘　切入點：FCM聚類算法　出處：《山東師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：電信用戶行為分析,是指在獲得海量電信用戶行為數(shù)據(jù)的情況下,利用數(shù)據(jù)挖掘等相關(guān)技術(shù)對電信用戶行為進行有針對性的科學(xué)分析,從而發(fā)現(xiàn)用戶消費的一些規(guī)律,并將這些規(guī)律與電信企業(yè)的科學(xué)化決策、針對化營銷和交叉銷售方案的設(shè)計相結(jié)合。以提高客戶黏性需求,更好地服務(wù)客戶。模糊C-均值(FCM)聚類分析作為數(shù)據(jù)挖掘中的一項重要數(shù)據(jù)處理技術(shù),目前被廣泛的研究并應(yīng)用到各大領(lǐng)域中。FCM算法的特點是易于理解,描述簡明,實用性強、收斂速度快及自動分類等優(yōu)點。但由于FCM聚類算法在分析數(shù)據(jù)時容易陷入局部最小值,為了解決FCM算法這一問題,將遺傳算法應(yīng)用到FCM聚類算法中,因為遺傳算法具有全局尋優(yōu)的能力,且遺傳算法易與其他算法結(jié)合。所以將遺傳算法與FCM聚類分析相結(jié)合,依托FCM強大的收斂速度和遺傳算法優(yōu)秀的全局尋優(yōu)能力,可以很好地應(yīng)用到電信用戶行為分析當中。本文在深入研究FCM聚類算法和遺傳算法的基礎(chǔ)上,將傳統(tǒng)意義上的遺傳算法與FCM聚類算法進行了一定程度的優(yōu)化。在遺傳算法優(yōu)化中主要對遺傳算法的適應(yīng)度函數(shù)、遺傳算子操作(選擇、交叉和變異)及遺傳參數(shù)的選擇進行了一定的優(yōu)化;在FCM聚類算法優(yōu)化中主要對相關(guān)參數(shù)(模糊因子)進行了優(yōu)化。將優(yōu)化后的遺傳算法與FCM聚類分析相結(jié)合,應(yīng)用到電信用戶行為分析當中,本文所涉及到的電信用戶行為主要是電信用戶的消費行為(通話消費行為、短信消費行為和流量消費行為),通過深入分析這些電信用戶行為,進而為合理套餐的提出提供一定參考,并為科學(xué)化決策、針對化營銷和交叉銷售方案的設(shè)計提供依據(jù)。并用實驗分析來分析算法的可行性。
[Abstract]:Telecom user behavior analysis refers to the use of data mining and other related technologies to conduct targeted scientific analysis of telecom user behavior in the case of obtaining massive telecom user behavior data, so as to find some laws of consumer consumption. These laws are combined with the scientific decision of telecom enterprises, aiming at the design of marketing and cross-selling schemes. As an important data processing technology in data mining, fuzzy C- mean FCM clustering analysis is widely studied and applied to various fields. The characteristics of. FCM algorithm are easy to understand, concise description and strong practicability. In order to solve the problem of FCM algorithm, genetic algorithm is applied to FCM clustering algorithm. Because genetic algorithm has the ability of global optimization, and genetic algorithm is easy to combine with other algorithms. Therefore, the combination of genetic algorithm and FCM clustering analysis, relying on the strong convergence speed of FCM and the excellent global optimization ability of genetic algorithm, It can be applied to telecom user behavior analysis. Based on the in-depth study of FCM clustering algorithm and genetic algorithm, The traditional genetic algorithm and FCM clustering algorithm are optimized to a certain extent. In genetic algorithm optimization, the fitness function of genetic algorithm, genetic operator operation, The selection of crossover and mutation) and genetic parameters are optimized. In the optimization of FCM clustering algorithm, the related parameters (fuzzy factors) are optimized. The optimized genetic algorithm is combined with FCM clustering analysis. Applied to the analysis of telecom user behavior, the telecom user behavior in this paper is mainly the telecommunication user's consumer behavior (call consumption behavior, short message consumption behavior and flow consumption behavior), through in-depth analysis of these telecom user behavior, Then it provides some reference for the proposal of reasonable package, and provides the basis for scientific decision, aiming at the design of marketing and cross-selling scheme, and analyzes the feasibility of the algorithm with experimental analysis.
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP311.13;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 王興偉;李婕;譚振華;馬連博;李福亮;黃敏;;面向“互聯(lián)網(wǎng)+”的網(wǎng)絡(luò)技術(shù)發(fā)展現(xiàn)狀與未來趨勢[J];計算機研究與發(fā)展;2016年04期

2 胡文俊;鄧虹;;大數(shù)據(jù)時代對企業(yè)經(jīng)營決策的影響分析[J];商業(yè)經(jīng)濟研究;2016年07期

3 王妍;;電信O2O營銷模式在“互聯(lián)網(wǎng)+”背景下的探討[J];電子技術(shù)與軟件工程;2016年06期

4 李蓉蓉;楊新章;;互聯(lián)網(wǎng)+時代運營商通信業(yè)務(wù)發(fā)展策略研究[J];移動通信;2016年06期

5 廖慧;李娜;王蓉;;大數(shù)據(jù)時代下電信運營商應(yīng)用模式研究[J];電信技術(shù);2016年03期

6 谷紅勛;楊珂;;基于大數(shù)據(jù)的移動用戶行為分析系統(tǒng)與應(yīng)用案例[J];電信科學(xué);2016年03期

7 康榕;;電信商業(yè)客戶市場營銷策略研究[J];廣東通信技術(shù);2016年03期

8 陳煈;;電信行業(yè)大數(shù)據(jù)分析的研究方向與展望[J];數(shù)字技術(shù)與應(yīng)用;2016年03期

9 才嘉;;基礎(chǔ)電信業(yè)增長新低的思考[J];中國電信業(yè);2016年03期

10 師江波;;數(shù)據(jù)挖掘在通信行業(yè)精確營銷中的應(yīng)用[J];數(shù)碼世界;2015年11期

相關(guān)博士學(xué)位論文 前10條

1 周開樂;模糊C均值聚類及其有效性檢驗與應(yīng)用研究[D];合肥工業(yè)大學(xué);2014年

2 汪慶淼;基于目標函數(shù)的模糊聚類新算法及其應(yīng)用研究[D];江蘇大學(xué);2014年

3 邱培剛;基于FMC融合網(wǎng)絡(luò)的數(shù)據(jù)流量價值提升研究[D];北京郵電大學(xué);2013年

4 劉叢;基于進化算法的聚類方法研究[D];華東師范大學(xué);2013年

5 何仲;我國電信產(chǎn)業(yè)與國民經(jīng)濟協(xié)調(diào)發(fā)展及可持續(xù)性研究[D];北京郵電大學(xué);2013年

6 韓晶;大數(shù)據(jù)服務(wù)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2013年

7 孟慶紅;基于顧客滿意度的電信運營商競爭優(yōu)勢研究[D];電子科技大學(xué);2012年

8 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

9 何嘉;基于遺傳算法優(yōu)化的中文分詞研究[D];電子科技大學(xué);2012年

10 竇伊男;根據(jù)多維特征的網(wǎng)絡(luò)用戶分類研究[D];北京郵電大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張東升;數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究[D];杭州電子科技大學(xué);2014年

2 張文達;電信用戶行為特征分析[D];電子科技大學(xué);2013年

3 上衍猛;基于模糊C均值算法在文本聚類中的研究與實現(xiàn)[D];東華大學(xué);2013年

4 陳銳;基于數(shù)據(jù)挖掘的Tomcat訪問日志分析系統(tǒng)的研究與實現(xiàn)[D];湖北大學(xué);2011年

5 王敏;基于遺傳算法的改進K均值聚類[D];中北大學(xué);2011年

6 朱長江;基于改進遺傳算法的模糊聚類研究及應(yīng)用[D];河南大學(xué);2011年

7 呂洋;基于用戶行為數(shù)據(jù)分析的移動互聯(lián)業(yè)務(wù)推薦模型[D];華中科技大學(xué);2011年

8 安娜;基于遺傳算法的數(shù)據(jù)挖掘方法研究[D];西安科技大學(xué);2010年

9 熊瑯環(huán);基于遺傳算法的高維數(shù)據(jù)聚類研究[D];汕頭大學(xué);2010年

10 崔珊珊;遺傳算法的一些改進及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2010年

，

本文編號：1618698