k-means算法改进及其在通信行业客户细分中的应用

发布时间：2020-06-07 00:23

【摘要】：随着通信业务的发展，要求国内通信企业的运营模式由以产品为中心逐步向以客户数据为中心、以信息为基础的国际先进模式转变，客户细分成为该经营模式的前提和基础。如何根据客户消费行为对客户进行合理的细分，对不同的客户提供适合其特点的个性化服务，为客户创造价值，同时使企业利润达到最大化，己成为通信运营商关注的焦点。数据挖掘聚类技术能有效的将具有相同特征的客户聚为一类，为企业进行客户细分提供了技术支持。 本文对k-means算法进行改进研究并应用于通信行业客户细分中，主要工作如下： 剖析了聚类分析中的经典k-means算法，阐述了算法思想和基本流程，分析了该算法的优点和不足以及现有的改进算法，重点分析了k-means算法对初始聚类中心的依赖性以及k-means算法处理海量数据时的时间效率低的缺陷。 针对这两点不足，提出一种改进算法。改进算法取尽可能离得远的样本点作为初始聚类中心，这样可以避免经典算法随机选取初始中心时很可能出现的聚类中心过于邻近的现象，有效防止了目标准则函数陷入局部最优。另一方面，改进算法在计算和比较样本点间的距离时，将三角不等式原理引入到k-means算法中，，避免一些不必要的比较和距离计算，提高了算法的时间效率。然后通过仿真实验来验证改进算法在聚类效率、聚类稳定性和时间效率上均优于经典k-means算法。 最后将改进的k-means算法应用到电信客户细分中，得到了比较理想的细分结果，并对结果进行分析，从而对不同的客户群制定不同的营销策略，为企业提供合理的决策支持，具有一定的实际意义和应用价值。
【图文】：

Jc值最小。此算法一般采用误差平方和和准则函数通常定义为：21|| ||ikc ii p CJ p M i为类 Ci中数据对象的均值，p 为任一空平方和准则函数我们可以发现：k-means 过程，目标函数存在着多个局部极小点数的搜索方向一定总是沿着误差平方和使得聚类中心向量 V 沿着不同的路径减三个被选取的不同的初始值，那么目标别找到各自对应的最小值。其中，B、C A 点对应的最小值才是全局最小点。k-bing)的一种，算法终止时找到的就是局部

k-means 算法一次迭代需要的总的时间复杂度为 O(nkd)，改要总的时间复杂度为 O(nαd)。 当数据集规模较大时，即 n 比的优越性就显示出来了。面给出一个实例来详细说明改进算法选取初始聚类中心的过程
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TP311.13;F626

【参考文献】

相关期刊论文 前10条

1 贾克斌;信息系统设计中聚类分析方法的研究[J];北京工业大学学报;1999年03期

2 秦永俊;数据挖掘在CRM中的应用设计[J];电脑开发与应用;2004年01期

3 赵宏波 ,孟雅玲;数据挖掘在电信客户关系管理中的应用[J];电信技术;2001年12期

4 王玲;薄列峰;焦李成;;密度敏感的谱聚类[J];电子学报;2007年08期

5 王政霞,黄大荣;基于统计方法的数据挖掘算法研究[J];湖北民族学院学报(自然科学版);2005年01期

6 曹晓辛,李柠,黄道;基于蚁群聚类算法的模糊神经网络[J];华东理工大学学报(自然科学版);2005年02期

7 漆晨曦;电信企业从产品导向向客户导向的转变[J];黑龙江通信技术;2001年03期

8 周水庚,周傲英,曹晶;基于数据分区的DBSCAN算法[J];计算机研究与发展;2000年10期

9 周水庚,周傲英,曹晶,胡运发;一种基于密度的快速聚类算法[J];计算机研究与发展;2000年11期

10 李丙永,顾辅柱,黄河;系统模糊聚类分析方法在房地产市场分析中的应用[J];重庆建筑大学学报;2001年01期

相关硕士学位论文 前1条

1 孙晓霞;聚类分析在客户细分领域的应用研究[D];西北大学;2006年

本文编号：2700514