子空間聚類算法的研究及應(yīng)用.pdf

1、隨著市場(chǎng)競(jìng)爭(zhēng)的日益加劇和信息技術(shù)的飛速發(fā)展，企業(yè)的經(jīng)營(yíng)模式逐步由“以產(chǎn)品為中心”轉(zhuǎn)向“以客戶為中心”。這就要求企業(yè)根據(jù)客戶的特征對(duì)客戶進(jìn)行細(xì)分，進(jìn)而對(duì)不同的類型的客戶提供不同的產(chǎn)品或服務(wù)。 傳統(tǒng)的客戶細(xì)分方法一般是基于經(jīng)驗(yàn)的分類方法或基于統(tǒng)計(jì)的簡(jiǎn)單劃分方法，這些方法不再適合當(dāng)前市場(chǎng)。根據(jù)客戶屬性的高維特性，本文選擇了子空間聚類技術(shù)，對(duì)CLIQUE算法進(jìn)行改進(jìn)，提出OptCLIQUE聚類算法，并用OptCLIQUE聚類算法進(jìn)行客戶

2、細(xì)分，實(shí)現(xiàn)了科學(xué)合理的劃分，為市場(chǎng)決策提供了可靠的依據(jù)。本文對(duì)客戶細(xì)分進(jìn)行了研究，主要包括以下工作： 第一針對(duì)CLIQUE算法中硬性的網(wǎng)絡(luò)劃分導(dǎo)致的復(fù)雜度增大，精度較低的不足，本文提出了Opt CLIQUE算法，該算法對(duì)網(wǎng)格空間中位于簇邊緣的網(wǎng)格單元進(jìn)行細(xì)化處理，減小了網(wǎng)格劃分對(duì)聚類精度造成的損失。不同于傳統(tǒng)的基于網(wǎng)格聚類算法，Opt CLIQUE算法對(duì)和稠密網(wǎng)格單元相鄰的稀疏網(wǎng)格單元進(jìn)行二次處理，然后重新確定網(wǎng)格的邊界。

3、 第二 OptCLIQUE算法使用網(wǎng)格密度閾值函數(shù)來判定網(wǎng)格單元的類型，實(shí)現(xiàn)了參數(shù)的自動(dòng)化確定，解決了依賴手工確定參數(shù)密度閾值的問題。通過對(duì)事務(wù)進(jìn)行壓縮、減少連接次數(shù)和數(shù)據(jù)庫(kù)掃描次數(shù)，來提高算法執(zhí)行的效率。 第三對(duì)OptCLIQUE算法進(jìn)行性能分析，仿真實(shí)驗(yàn)結(jié)果表明，OptCLIQUE算法無論是在聚類效果方面還是在執(zhí)行效率方面，都優(yōu)于CLIQUE算法和DBSCAN算法。 將OptCLIQUE算法應(yīng)用于電信客戶細(xì)分，可以