基于K均值聚类的货源精准投放策略研究

发布时间：2018-02-04 10:13

  本文关键词： K均值算法 烟草零售终端 聚类分析 货源投放 欧氏距离　出处：《科技通报》2015年12期 　论文类型：期刊论文

【摘要】：针对K均值算法在聚类分析中还存在对初始值异常的敏感、容易陷入局部最优等问题,本文提出了一种基于相似度计算优化和指标加权优化的改进算法,首先采用欧式距离度量方式对传统K均值算法中的相似度计算进行优化,避免其进入局部最优,然后根据实际问题对聚类的指标进行加权优化。实例仿真试验结果表明,本文提出的基于相似度计算优化和指标加权优化的改进K均值算法在烟草零售终端数据聚类分析中效果良好,有利于提高货源投放的精准化。
[Abstract]:In order to solve the problem that K-means algorithm is sensitive to initial value anomaly and easily fall into local optimum in clustering analysis, this paper proposes an improved algorithm based on similarity calculation optimization and index weighting optimization. Firstly, the Euclidean distance measure is used to optimize the similarity calculation in the traditional K-means algorithm to avoid its entering into the local optimum. Then according to the actual problems, the index of clustering is optimized by weight. The simulation results show that. In this paper, the improved K-means algorithm based on similarity calculation optimization and index weighted optimization is effective in clustering analysis of tobacco retail terminal data, and it is helpful to improve the precision of supply delivery.
【作者单位】： 陕西省烟草公司西安市公司;
【分类号】：F426.8;TP311.13
【正文快照】： 0引言主要功能就是能够减少噪声数据以及孤立点数据对聚类结果的影响,并且还能解决带有符号属性的数据针对调查数据的聚类分析算法,现阶段国内外的问题[4]。徐益峰提出了一类有关数据对象在空间分散学术专家都在研究该算法体系,从不同的方面提出了规律的全新类聚分析方案,此方

【参考文献】

相关期刊论文 前2条

1 徐义峰;陈春明;徐云青;;一种改进的k-均值聚类算法[J];计算机应用与软件;2008年03期

2 熊平;顾霄;;基于属性权重最优化的k-means聚类算法[J];微电子学与计算机;2014年04期

【共引文献】

相关期刊论文 前10条

1 杨薇;;基于PPC-GA的细分模型在用电客户划分中的应用[J];鞍山师范学院学报;2011年02期

2 张仲明;于明光;郭东伟;;基于聚类的神经网络规则抽取算法[J];吉林大学学报(信息科学版);2010年05期

3 顾洪博;赵万平;;数据挖掘算法性能优化的研究与应用[J];长春理工大学学报(自然科学版);2010年01期

4 王崛;刘文杰;;小波聚类在多目标定位中的应用[J];四川兵工学报;2012年07期

5 姜祖新;张德贤;张苗;李军军;;基于尺度不变特征的图像分类技术研究[J];电脑知识与技术;2012年09期

6 俞斌;;基于改进的聚类分析算法在银行业crm系统中的应用研究[J];硅谷;2011年04期

7 卫俊霞;相里斌;高晓惠;段晓峰;;基于K-均值聚类与夹角余弦法的多光谱分类算法[J];光谱学与光谱分析;2011年05期

8 石红丽;王洁;唐艳;张小军;;基于无线传感器网络的K均值算法研究[J];电子设计工程;2011年06期

9 雷宏;张著洪;;受约束的两类数据分割算法及其应用[J];贵州大学学报(自然科学版);2009年02期

10 王雅思;梁峗辉;;图结构在文本聚类中的应用[J];大连民族学院学报;2013年03期

相关博士学位论文 前2条

1 甘志刚;仿人机器人数字仿真与虚拟示教关键技术研究[D];华南理工大学;2009年

2 韩永明;能效评价方法研究及其在乙烯工业中的应用[D];北京化工大学;2014年

相关硕士学位论文 前10条

1 李芳;脑机接口中脑电信号特征提取及分类算法研究[D];大连理工大学;2010年

2 王仁彪;CRM智能客户系统的设计与实现[D];吉林大学;2011年

3 刘飞;强化学习方法在多机器人博弈系统中的应用研究[D];华北电力大学（北京）;2011年

4 肖维;基于有限混合模型的聚类算法及其应用[D];中北大学;2011年

5 周方;面向智能信息检索技术的Web挖掘关键技术的研究[D];内蒙古农业大学;2011年

6 韩睿;车道偏离预警系统中轨迹预测方法的研究[D];燕山大学;2011年

7 丁孝燕;复杂网络聚类及其在神经网络中的应用研究[D];广西师范学院;2011年

8 于欢;改进分水岭算法在医学图像分割中的应用研究[D];河北工业大学;2011年

9 邓成呈;基于激光扫描传感器的助行机器人路况检测系统与3D地图创建[D];上海交通大学;2012年

10 欧陈委;K-均值聚类算法的研究与改进[D];长沙理工大学;2011年

【二级参考文献】

相关期刊论文 前1条

1 武优西;侯丹丹;李建满;米少华;;属性权重聚类算法的研究[J];小型微型计算机系统;2012年03期

【相似文献】

相关期刊论文 前10条

1 于剑;论模糊C均值算法的模糊指标[J];计算机学报;2003年08期

2 李宇泊;李秦;;对k均值算法和硬C-均值算法的对比分析[J];洛阳理工学院学报(自然科学版);2012年01期

3 刘艳丽;刘希云;;一种基于密度的K-均值算法[J];计算机工程与应用;2007年32期

4 刘艳丽;刘希玉;孟岩;祖伟;;K-均值算法聚类分析及其在人力资源管理中的应用[J];山东科学;2008年02期

5 宋凌;李枚毅;李孝源;;基于粒群优化的K均值算法及其应用[J];计算机工程;2008年16期

6 闫仁武;雷艳云;任平;李从;;粒子群的K均值算法在电信客户细分中的应用[J];科学技术与工程;2009年20期

7 黄超;何晋;;基于模糊C均值算法的云南草药聚类分析[J];计算机应用;2012年S2期

8 邹海;李梅;;一种用于文本聚类的改进二分K-均值算法[J];微型机与应用;2010年12期

9 陈杰;朱娟;;基于簇间相似度判定的自适应K均值算法[J];计算机工程与设计;2010年10期

10 刘霞;洪飞龙;;遗传模糊C均值算法在入侵检测中的应用[J];信息安全与通信保密;2006年07期

相关会议论文 前3条

1 杨保峰;沈越泓;;模拟信源标量量化的模糊c-均值算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

2 颜祥;俞一彪;戴志强;袁冬梅;;基于均值算法的男女声与情感的同步变换[A];2006’和谐开发中国西部声学学术交流会论文集[C];2006年

3 韩敏;范剑超;;基于半监督改进模糊C均值算法的遥感聚类研究[A];第二十七届中国控制会议论文集[C];2008年

相关硕士学位论文 前10条

1 郑杰;基于改进人工蜂群的K均值混合聚类算法及其应用[D];江西理工大学;2015年

2 蒋大宇;快速有效的并行二分K均值算法[D];哈尔滨工程大学;2013年

3 汪浩平;基于K-均值的文本聚类分析[D];贵州大学;2008年

4 朱建宇;K均值算法研究及其应用[D];大连理工大学;2013年

5 厉于行;聚类分析中基于投影的κ均值算法[D];浙江大学;2012年

6 张超;SKK-均值算法及其在人脸检测中的应用[D];河北大学;2010年

7 王嘉;模糊C-均值算法在拼车系统中的应用[D];东北大学　;2009年

8 谷智明;基于模糊C均值算法的PS版瑕疵分类[D];长春理工大学;2012年

9 范光平;一种基于变长编码的遗传K均值算法研究[D];浙江大学;2007年

10 曹守营;基于并行K-均值算法的网络广告精确营销系统设计[D];山东科技大学;2007年

，

本文编号：1489994