K-means聚类算法研究及应用.pdf.pdf

武汉理工大学
硕士学位论文
K-means聚类算法研究及应用
姓名:张建辉
申请学位级别:硕士
专业:系统工程
指导教师:王学锋
20070401
摘要关键词:聚类分析,甿算法,客户细分聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法。聚类无论在商务领域,还是在生物学、牡捣掷唷⑼枷处理等其他领域都得到了有效的应用。目前聚类算法大体上分为基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及模糊聚类。甿算法是聚类算法中主要算法之一,它是一种基于划分的聚类算法。本文在该算法的研究基础上,试图将该算法进行改进。同时在算法应用方面,将聚类技术用于客户细分方面,客户细分是企业能够进行有效客户管理的前提和依本文第一部分,主要阐述所研究对象的背景资料以及本文所要达到的目的,并说明研究的思路和整体内容。第二部分,主要介绍聚类分析的基础知识和聚类分析的基本方法,分析现有的不同算法,相互比较得出各个算法的优缺点。分析了基于划分的典型算法惴ǎ云溆诺愫腿钡憬辛讼晗傅姆治觯建立客户的价值体系,量化客户价值;在此基础上应用聚类技术,将客户划分成不同的类,由此来有效的开展客户管理,具有一定的实际意义。目前己经有一些客户价值评价体系,但度量模型不够成熟。衡量指标一般是客户对于企业的直接利润贡献,定量上也存在一定的难度。本文运用数据挖掘的方法,从企业的实际情况出发,通过一系列可操作的客户价值评价指标,建立适合企业发展的客户价值评价模型,并由此来度量客户价值、细分客户,建立客户价值管理的决策支持第四部分为本文的核心章节。主要对甿算法进行了改进。改进的算法行У慕饩隽怂惴ǘ猿跏贾礙的依赖,能够自动生成类数煌备盟惴ǘ初始中心点选取比较严格,各中心点的距离较远,这样避免了初始聚类中心会选到一个类上,一定程度上克服了算法限入局部最优状态。为能进一步提高算法的计算效率,提出了改进算法盟惴ń岷狭顺檠际鹾筒愦文鬯惴ǘ栽惴最后,叙述了论文的主要工作,并指出进一步的研究方向。据,因此这方面的研究具有实际指导意义。第三部分为本文的应用部分,将聚类技术应用于客户细分,通过层次分析法系统。进行了改进,得到的新算法行А武汉理捍笱妒垦曷畚
,琓,琩,·琺,籷,灰籏,武汉理捍笱妒垦Ш温畚,,,....,,甀
:,Ⅱ
第碌悸选题的目的和意义面对信息技术的日新月异,人们利用信息技术生产和搜集数据的能力大幅度提高,大量的数据库被用于商业管理、政府办公、科学研究和工程开发等等,要想使数据真正成为一个公司的资源,只有充分利用它为公司自身的业务决策和战略发展服务才行,否则大量的数据可能成为包袱,数据挖掘和知识发现技术应运而生,并得以蓬勃发展,越来越显示出其强大的生命力。褪谴哟罅康摹⒉煌耆ǖ摹⒂性肷摹⒛:摹⑺婊的数据中,提取隐含在其中的、人们事先不知道的,但又是潜在有用的信息和知识的过程。人们把原始数据看作是形成知识的源泉,就像从矿石中采矿一样。原始数据可以是结构化的,如关系数据库中的数据,也可以是半结构化的,如文本、图形、图像数据,甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的,也可以是非数学的;可以是演绎的,也可以是归纳的。挖掘出的知识可以被用于信息管理、查询优化、决策支持、过程控制等,还可以用于数据自身的维护。因此,数据挖掘是徊嫜Э疲婕叭斯ぶ悄芗际酢⑼臣萍际跤胧菘饧术等多种技术。它汇聚了不同领域的研究者,尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技术人员。此,它广泛应用于模式识别、图像处理、数据压缩等许多领域,例如:①在市场分析中,通过聚类分析能帮助决策者识别不同特征的客户群以及各客户群的行为特征;②在生物工程研究中,聚类分析能够用于推导动植物的分类,按照功能对基因进行划分并获取种群中的固有结构特征;③在非关系数据库领域缈占涫菘饬煊,聚类分析能够识别具有相同地理特征的区域以及该区域的环境和人的特征:④在畔⒓焖髁煊颍劾喾治瞿芄欢詗文档进行分类,提高检索本文主要将聚类分析技术应用于企业的客户细分中,各企业的竞争主要是客户源的争夺,通过对客户的价值进行多角度的量化分析,可以帮助企业把有效的精力集中在最有价值的客户和最有发展潜力的客户身上,优先配置资源,同他们数据挖掘聚类分析将大量数据划分为性质相同的子类,便于了解数据的分布情况。因效率。武汉理捍笱妒垦宦畚
国内外相关研究综述建立稳定的客户关系,全面提升企业的盈利能力和竞争能力。因此这方面的研究具有现实的指导意义。选择聚类分析中的主要聚类方法甿ǎ云浣懈慕蛭V两裎止没有一个方法是完美的,所以在使用的时候需要对其进行改进,改进后的算法具有可行性,能够指导实践中的应用。聚类分析作为统计学的一个