聚類(lèi)集成算法在客戶(hù)細(xì)分中的研究及應(yīng)用.pdf

1、隨著信息技術(shù)發(fā)展的不斷深化，信息量增長(zhǎng)極其迅速，在滿(mǎn)足了人們對(duì)信息需求的同時(shí)也帶來(lái)了新的難題，如何在這些紛繁復(fù)雜的數(shù)據(jù)洪流中搜尋有價(jià)值的信息已變得越來(lái)越重要。數(shù)據(jù)挖掘的出現(xiàn)為解決這些難題帶來(lái)了新的契機(jī)，因此能夠迅速的應(yīng)用于不同的行業(yè)，客戶(hù)細(xì)分就是其中一個(gè)很好的應(yīng)用場(chǎng)景。針對(duì)傳統(tǒng)客戶(hù)細(xì)分技術(shù)的諸多不足，將數(shù)據(jù)挖掘的相關(guān)技術(shù)應(yīng)用于客戶(hù)細(xì)分能夠得到更為合理的劃分結(jié)果。
　　聚類(lèi)分析是數(shù)據(jù)挖掘領(lǐng)域的常用技術(shù)之一，在客戶(hù)細(xì)分應(yīng)用中有其特有的

2、優(yōu)勢(shì)，而聚類(lèi)集成技術(shù)則能綜合多個(gè)聚類(lèi)成員的劃分特點(diǎn)來(lái)得到更為穩(wěn)定、準(zhǔn)確的結(jié)果。本文首先對(duì)K-means聚類(lèi)算法初始聚類(lèi)中心的選擇作了改進(jìn)，針對(duì)現(xiàn)有文獻(xiàn)在對(duì)多個(gè)最大密度參數(shù)值求取對(duì)應(yīng)的樣本點(diǎn)作為初始聚類(lèi)中心時(shí)算法耗時(shí)長(zhǎng)、準(zhǔn)確率不佳等缺陷，提出了一種基于二次密度的改進(jìn)方案。當(dāng)存在多個(gè)最大密度參數(shù)值時(shí)，對(duì)這些最大值對(duì)應(yīng)的樣本點(diǎn)求取二次密度，然后根據(jù)得到的密度值求取最佳的初始聚類(lèi)中心，該方案縮短了算法選擇初始聚類(lèi)中心的時(shí)間，同時(shí)提高了聚類(lèi)的準(zhǔn)確

3、率;在劃分簇的迭代過(guò)程中又引進(jìn)一種模式結(jié)構(gòu)，用來(lái)存儲(chǔ)樣本點(diǎn)的簇標(biāo)號(hào)以及到簇心的距離，并與下一次迭代的結(jié)果進(jìn)行比較，依據(jù)結(jié)果來(lái)調(diào)整計(jì)算模式，以達(dá)到縮短迭代時(shí)間和減少計(jì)算量的目的;隨后用實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
　　本文依據(jù)聚類(lèi)集成思想對(duì)多個(gè)單一的聚類(lèi)結(jié)果進(jìn)行集成。首先通過(guò)重復(fù)抽樣的方式生成數(shù)據(jù)子集并用改進(jìn)后的聚類(lèi)算法進(jìn)行劃分，生成多個(gè)基聚類(lèi)器;然后依據(jù)標(biāo)準(zhǔn)互信息(NMI)來(lái)計(jì)算每個(gè)基聚類(lèi)器的差異度，根據(jù)差異度對(duì)基聚類(lèi)器進(jìn)行選擇;最