聚類融合算法研究及其在電信客戶細(xì)分中的應(yīng)用.pdf

1、聚類分析一直是數(shù)據(jù)挖掘和知識發(fā)現(xiàn)領(lǐng)域最重要的研究方向之一,聚類技術(shù)也得到了越來越多的關(guān)注,并且廣泛應(yīng)用于工程、生物醫(yī)藥、市場營銷、商業(yè)智能與決策分析等諸多領(lǐng)域,切實為企業(yè)創(chuàng)造了巨大的價值。雖然聚類分析發(fā)展到如今,技術(shù)日益成熟,也產(chǎn)生了諸如K-Means、BIRCH、DBSCAN、SOM等非常經(jīng)典的算法,但隨著應(yīng)用領(lǐng)域的更加廣泛,面對的數(shù)據(jù)集類型也更加多變,分布也更加復(fù)雜,對聚類算法的要求也越來越嚴(yán)格。每種聚類算法都有一定的局限性,幾乎沒

2、有任何一種聚類算法可以適合所有的情況。所以,一種嘗試將不同聚類算法的優(yōu)點融合起來以得到更優(yōu)結(jié)果的思想于2002年被首次提出,并迅速成為研究熱點,這就是聚類融合。如果更加通俗的來講,聚類融合可以說是對聚類結(jié)果再進(jìn)行聚類,所以,普通聚類算法是對數(shù)據(jù)集進(jìn)行研究和處理,而聚類融合是對單一聚類的結(jié)果進(jìn)行再聚類。由于聚類融合是一個新興的研究方向,本身也還處在探索和發(fā)展階段,尤其在聚類成員的產(chǎn)生和共識函數(shù)的設(shè)計兩個層面,還存在許多問題,需要進(jìn)一步研究

3、完善。
　　 本文的主要工作是詳細(xì)分析和研究了當(dāng)前聚類和聚類融合領(lǐng)域的經(jīng)典算法思想,并通過橫縱向?qū)Ρ雀鱾€算法的優(yōu)點和存在的問題,引入一種基于PCA的加權(quán)聚類融合算法。該算法利用PCA的思想產(chǎn)生聚類成員,較之K-Means等算法,該方法可以確定化初始聚類中心,避免了由于隨機(jī)選取聚類中心而造成的結(jié)果不穩(wěn)定和質(zhì)量低等缺點。同時,在融合函數(shù)設(shè)計方面,將聚類成員的質(zhì)量系數(shù)和K值系數(shù)作為權(quán)值分配的依據(jù),從而加強(qiáng)質(zhì)量較好的成員對結(jié)果的影響,降