网格和密度的聚类算法在CRM中的应用

发布时间：2018-03-02 07:39

  本文关键词： 聚类分析 客户关系管理 数据挖掘 密度 网格　出处：《电子科技大学学报》2007年06期 　论文类型：期刊论文

【摘要】：聚类分析是数据挖掘领域中一种非常有用的技术,它用于从大量数据中寻找隐含的数据分布模式,主要有分割法、层次法、密度法、网格法和模型法等。该文主要讨论数据挖掘中一种基于密度和网格的聚类分析算法及其在客户关系管理中的应用。该算法具有较高的聚类效率而且容易实现,可以发现任意形状的聚类,时间复杂度低,聚类精度高,适用于数据的批量更新。该文还提出增量式聚类技术,它不仅能够利用前期聚类的结果,充分提高聚类分析的效率,而且可以降低维护知识库所带来的巨大开销。实验证明了算法的有效性。
[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.
【作者单位】： 华北电力大学计算机学院 华北电力大学计算机学院
【分类号】：TP301

【参考文献】

相关期刊论文 前4条

1 胡泱,陈刚;一种有效的基于网格和密度的聚类分析算法[J];计算机应用;2003年12期

2 陈梅兰;基于网格和密度聚类算法研究[J];计算机与现代化;2005年02期

3 马光志,倪国元;一种增量式模糊聚类算法[J];微计算机应用;2005年01期

4 孙志伟;赵政;王红梅;;基于网格和密度的随机样例的聚类算法[J];天津大学学报;2006年05期

【共引文献】

相关期刊论文 前4条

1 付淇;李正凡;;基于CLIQUE的聚类算法研究[J];华东交通大学学报;2006年05期

2 朱倩,黄志军;一种改进的基于密度和网格的高维聚类算法[J];舰船电子工程;2005年05期

3 夏富春;苗夺谦;李道国;;信息系统属性增量约简算法的设计与实现[J];计算机工程与应用;2006年21期

4 单世民;邓贵仕;何英昊;;一种基于网格和密度的微粒群混合聚类算法[J];计算机科学;2006年11期

相关会议论文 前1条

1 扶名福;谢明祥;饶泓;;模糊聚类分析在抽风机故障诊断中应用[A];第15届全国结构工程学术会议论文集（第Ⅱ册）[C];2006年

相关博士学位论文 前4条

1 单世民;基于网格和密度的数据流聚类方法研究[D];大连理工大学;2006年

2 宋绪钦;基于GIS的中国地区资本市场发展程度评价[D];解放军信息工程大学;2005年

3 普运伟;复杂体制雷达辐射源信号分选模型与算法研究[D];西南交通大学;2007年

4 张雪萍;基于群集智能的带约束条件空间聚类分析研究[D];解放军信息工程大学;2007年

相关硕士学位论文 前10条

1 朱红灿;基于SOM的两阶段中文文本聚类算法的研究[D];湘潭大学;2005年

2 庞洋;基于数据挖掘的园区网综合安全审计系统研究与设计[D];中国人民解放军信息工程大学;2005年

3 于海涛;抽样技术在数据挖掘中的应用研究[D];合肥工业大学;2006年

4 贾晨科;基于K-距离的孤立点和聚类算法研究[D];郑州大学;2006年

5 邱晓蕾;基于网格的密度聚类算法[D];上海师范大学;2006年

6 张晨希;数据挖掘技术在股票预测中的应用[D];安徽大学;2006年

7 胡军辉;基于谱熵的故障特征提取与数据挖掘技术研究[D];西北工业大学;2007年

8 许慧;基于数据分区和QR*树的并行DBSCAN算法研究[D];哈尔滨工程大学;2007年

9 张枫;基于网格的DBSCAN算法和聚类边界技术的研究[D];郑州大学;2007年

10 岳峰;聚类的边界点检测算法研究[D];郑州大学;2007年

【相似文献】

相关期刊论文 前10条

1 孟建良;尚海昆;边玲;;改进的k-means聚类算法在供电企业CRM中的应用[J];微计算机信息;2010年03期

2 朵春红;王翠茹;;网格和密度的聚类算法在CRM中的应用[J];电子科技大学学报;2007年06期

3 蒋盛益;王连喜;;面向电信的客户流失预测模型研究[J];山东大学学报(理学版);2011年05期

4 杨文君;宋妍;;模糊数据挖掘在客户关系管理中的应用[J];信息技术;2007年07期

5 方忠祥,屠立;数据挖掘技术在客户关系管理中的应用研究[J];机床与液压;2005年06期

6 黄晓殷;;基于数据挖掘的电信客户细分[J];科技信息(科学教研);2007年29期

7 唐志航;杨保安;;系统聚类在客户关系管理中的研究与应用[J];计算机工程与应用;2007年13期

8 郑玲;陶红玉;;客户关系管理与数据挖掘技术综述[J];中国电力教育;2008年S1期

9 李伟;;数据挖掘技术在客户关系管理中的应用[J];中国高新技术企业;2008年22期

10 张安安;熊v炵，

本文编号：1555642