基于密度的聚類算法研究及其在電信客戶細分中的應用.pdf

1、伴隨著電信市場的迅速發(fā)展，電信客戶逐漸呈現(xiàn)出細分化、多元化的特征，電信企業(yè)的競爭焦點和發(fā)展機遇將更多的集中到各細分市場中。運營商要保持市場的領先地位以及不斷提升客戶價值，必須主動進行客戶細分。因此如何有效地利用數(shù)據(jù)挖掘方法對客戶進行細分是目前數(shù)據(jù)挖掘應用的一個非常熱門且具有重要應用價值的研究課題。 論文對數(shù)據(jù)挖掘基本方法之一的聚類技術進行了較全面的比較研究，并利用改進的聚類算法來細分電信業(yè)客戶，從而達到可識別具有相似特征的客戶群

2、，成為分析客戶和形成市場策略的基礎。本文主要研究工作與特色有： 1)針對基于密度的聚類方法不能發(fā)現(xiàn)密度分布不均的數(shù)據(jù)樣本的缺陷，提出了一種基于代表點和點密度的聚類算法(CBRD)。算法以代表點的平均密度作為類密度，代表點的k近鄰為代表區(qū)域，根據(jù)類密度，將滿足密度閾值的代表區(qū)域中的點選為代表點，再利用選出的代表點調(diào)整類密度，如此反復的尋找出所有代表點和代表區(qū)域。所有區(qū)域相連的代表點及其代表區(qū)域?qū)嫵梢粋€聚類，不在任何一類中的點則被

3、作為噪聲數(shù)據(jù)。實驗結果顯示，該方法可以發(fā)現(xiàn)任意形狀的密度分布不均的類。 2)提出的CBRD算法雖然能夠發(fā)現(xiàn)任意形狀的聚類，但是在數(shù)據(jù)量大的時候需要較多的內(nèi)存和I/O消耗，導致其在客戶細分中不能取得好的應用。因此，在CBRD聚類算法思想的基礎上，本文提出了一種基于數(shù)據(jù)交疊分區(qū)的高效密度聚類算法，算法繼承了CBRD聚類算法可以發(fā)現(xiàn)任意形狀的密度分布不均的類的優(yōu)點，同時還具有較高的運行效率。 3)將改進后的密度聚類算法應用于電