当前位置:主页 > 科技论文 > 软件论文 >

基于遗传算法的模糊聚类在用户行为分析中的应用研究

发布时间:2018-03-16 06:24

  本文选题:数据挖掘 切入点:FCM聚类算法 出处:《山东师范大学》2017年硕士论文 论文类型:学位论文


【摘要】:电信用户行为分析,是指在获得海量电信用户行为数据的情况下,利用数据挖掘等相关技术对电信用户行为进行有针对性的科学分析,从而发现用户消费的一些规律,并将这些规律与电信企业的科学化决策、针对化营销和交叉销售方案的设计相结合。以提高客户黏性需求,更好地服务客户。模糊C-均值(FCM)聚类分析作为数据挖掘中的一项重要数据处理技术,目前被广泛的研究并应用到各大领域中。FCM算法的特点是易于理解,描述简明,实用性强、收敛速度快及自动分类等优点。但由于FCM聚类算法在分析数据时容易陷入局部最小值,为了解决FCM算法这一问题,将遗传算法应用到FCM聚类算法中,因为遗传算法具有全局寻优的能力,且遗传算法易与其他算法结合。所以将遗传算法与FCM聚类分析相结合,依托FCM强大的收敛速度和遗传算法优秀的全局寻优能力,可以很好地应用到电信用户行为分析当中。本文在深入研究FCM聚类算法和遗传算法的基础上,将传统意义上的遗传算法与FCM聚类算法进行了一定程度的优化。在遗传算法优化中主要对遗传算法的适应度函数、遗传算子操作(选择、交叉和变异)及遗传参数的选择进行了一定的优化;在FCM聚类算法优化中主要对相关参数(模糊因子)进行了优化。将优化后的遗传算法与FCM聚类分析相结合,应用到电信用户行为分析当中,本文所涉及到的电信用户行为主要是电信用户的消费行为(通话消费行为、短信消费行为和流量消费行为),通过深入分析这些电信用户行为,进而为合理套餐的提出提供一定参考,并为科学化决策、针对化营销和交叉销售方案的设计提供依据。并用实验分析来分析算法的可行性。
[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.
【学位授予单位】:山东师范大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP311.13;TP18

【参考文献】

相关期刊论文 前10条

1 王兴伟;李婕;谭振华;马连博;李福亮;黄敏;;面向“互联网+”的网络技术发展现状与未来趋势[J];计算机研究与发展;2016年04期

2 胡文俊;邓虹;;大数据时代对企业经营决策的影响分析[J];商业经济研究;2016年07期

3 王妍;;电信O2O营销模式在“互联网+”背景下的探讨[J];电子技术与软件工程;2016年06期

4 李蓉蓉;杨新章;;互联网+时代运营商通信业务发展策略研究[J];移动通信;2016年06期

5 廖慧;李娜;王蓉;;大数据时代下电信运营商应用模式研究[J];电信技术;2016年03期

6 谷红勋;杨珂;;基于大数据的移动用户行为分析系统与应用案例[J];电信科学;2016年03期

7 康榕;;电信商业客户市场营销策略研究[J];广东通信技术;2016年03期

8 陈煈;;电信行业大数据分析的研究方向与展望[J];数字技术与应用;2016年03期

9 才嘉;;基础电信业增长新低的思考[J];中国电信业;2016年03期

10 师江波;;数据挖掘在通信行业精确营销中的应用[J];数码世界;2015年11期

相关博士学位论文 前10条

1 周开乐;模糊C均值聚类及其有效性检验与应用研究[D];合肥工业大学;2014年

2 汪庆淼;基于目标函数的模糊聚类新算法及其应用研究[D];江苏大学;2014年

3 邱培刚;基于FMC融合网络的数据流量价值提升研究[D];北京邮电大学;2013年

4 刘丛;基于进化算法的聚类方法研究[D];华东师范大学;2013年

5 何仲;我国电信产业与国民经济协调发展及可持续性研究[D];北京邮电大学;2013年

6 韩晶;大数据服务若干关键技术研究[D];北京邮电大学;2013年

7 孟庆红;基于顾客满意度的电信运营商竞争优势研究[D];电子科技大学;2012年

8 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年

9 何嘉;基于遗传算法优化的中文分词研究[D];电子科技大学;2012年

10 窦伊男;根据多维特征的网络用户分类研究[D];北京邮电大学;2010年

相关硕士学位论文 前10条

1 张东升;数据挖掘中的演化数据聚类算法研究[D];杭州电子科技大学;2014年

2 张文达;电信用户行为特征分析[D];电子科技大学;2013年

3 上衍猛;基于模糊C均值算法在文本聚类中的研究与实现[D];东华大学;2013年

4 陈锐;基于数据挖掘的Tomcat访问日志分析系统的研究与实现[D];湖北大学;2011年

5 王敏;基于遗传算法的改进K均值聚类[D];中北大学;2011年

6 朱长江;基于改进遗传算法的模糊聚类研究及应用[D];河南大学;2011年

7 吕洋;基于用户行为数据分析的移动互联业务推荐模型[D];华中科技大学;2011年

8 安娜;基于遗传算法的数据挖掘方法研究[D];西安科技大学;2010年

9 熊琅环;基于遗传算法的高维数据聚类研究[D];汕头大学;2010年

10 崔珊珊;遗传算法的一些改进及其应用[D];中国科学技术大学;2010年



本文编号:1618698

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1618698.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9c76b***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com