聚類數(shù)據(jù)挖掘在商場中的應(yīng)用及K-means聚類算法改進(jìn)研究.pdf

1、聚類分析是數(shù)據(jù)挖掘中的一個重要研究領(lǐng)域，是一種數(shù)據(jù)劃分或分組處理的重要手段和方法。聚類的應(yīng)用是非常廣泛的，無論是在商務(wù)領(lǐng)域，還是在生物學(xué)、Web文檔分類、圖像處理等其它領(lǐng)域，都得到了有效的應(yīng)用。目前聚類算法大體上分為基于劃分的方法、基于層次的方法、基于密度的方法、基于網(wǎng)格的方法、基于模型的方法以及模糊聚類。 微軟Analysis Services分析服務(wù)軟件提供了一種基于密度算法的聚類分析實用數(shù)據(jù)挖掘工具。本文使用該工具，基于重

2、慶兩百公司商場的OLTP數(shù)據(jù)，創(chuàng)建了該商場銷售分析用數(shù)據(jù)倉庫。在此基礎(chǔ)上建立了顧客特征聚類數(shù)據(jù)挖掘模型，對商場的客戶群特征進(jìn)行了聚類分析;接著，又將客戶特征與所購商品類別進(jìn)行了聯(lián)合聚類，分析了顧客特征與購買商品類別之間的聯(lián)系。本文給出了從分析目標(biāo)確定，數(shù)據(jù)倉庫建模，數(shù)據(jù)遷移，挖掘模型確定，挖掘處理到挖掘結(jié)果分析的全過程。目前，許多商場都使用了顧客卡，可以獲得一定的顧客特征信息，這為顧客分析奠定了基礎(chǔ)，本文的應(yīng)用實例為這類應(yīng)用提供了有益的

3、參考。K-means算法是聚類算法中主要算法之一。它是一種基于劃分的聚類算法。該算法隨機(jī)選取K( K為聚類數(shù))個點作為初始聚類中心，通過一個迭代過程完成聚類。如果初始聚類中心選取不合理，就會誤導(dǎo)聚類過程，得到一個不合理的聚類結(jié)果。層次凝聚算法是一種不需要確定初始聚類中心的算法，它采用自底向上的方法，通過逐層合并相近的類進(jìn)行聚類。該算法的缺點是計算量很大。本文對K-means算法中初值的選取方法進(jìn)行了分析和研究，采用對數(shù)據(jù)集進(jìn)行均勻采樣，