本文關(guān)鍵詞：聚類集成算法在客戶細(xì)分中的研究及應(yīng)用　出處：《安徽大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 數(shù)據(jù)挖掘 客戶細(xì)分 聚類分析 聚類集成 投票法

【摘要】：隨著信息技術(shù)發(fā)展的不斷深化,信息量增長極其迅速,在滿足了人們對信息需求的同時也帶來了新的難題,如何在這些紛繁復(fù)雜的數(shù)據(jù)洪流中搜尋有價值的信息已變得越來越重要。數(shù)據(jù)挖掘的出現(xiàn)為解決這些難題帶來了新的契機,因此能夠迅速的應(yīng)用于不同的行業(yè),客戶細(xì)分就是其中一個很好的應(yīng)用場景。針對傳統(tǒng)客戶細(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)用于客戶細(xì)分能夠得到更為合理的劃分結(jié)果。聚類分析是數(shù)據(jù)挖掘領(lǐng)域的常用技術(shù)之一,在客戶細(xì)分應(yīng)用中有其特有的優(yōu)勢,而聚類集成技術(shù)則能綜合多個聚類成員的劃分特點來得到更為穩(wěn)定、準(zhǔn)確的結(jié)果。本文首先對K-means聚類算法初始聚類中心的選擇作了改進(jìn),針對現(xiàn)有文獻(xiàn)在對多個最大密度參數(shù)值求取對應(yīng)的樣本點作為初始聚類中心時算法耗時長、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)存在多個最大密度參數(shù)值時,對這些最大值對應(yīng)的樣本點求取二次密度,然后根據(jù)得到的密度值求取最佳的初始聚類中心,該方案縮短了算法選擇初始聚類中心的時間,同時提高了聚類的準(zhǔn)確率；在劃分簇的迭代過程中又引進(jìn)一種模式結(jié)構(gòu),用來存儲樣本點的簇標(biāo)號以及到簇心的距離,并與下一次迭代的結(jié)果進(jìn)行比較,依據(jù)結(jié)果來調(diào)整計算模式,以達(dá)到縮短迭代時間和減少計算量的目的；隨后用實驗驗證了該算法的有效性。本文依據(jù)聚類集成思想對多個單一的聚類結(jié)果進(jìn)行集成。首先通過重復(fù)抽樣的方式生成數(shù)據(jù)子集并用改進(jìn)后的聚類算法進(jìn)行劃分,生成多個基聚類器；然后依據(jù)標(biāo)準(zhǔn)互信息(NMI)來計算每個基聚類器的差異度,根據(jù)差異度對基聚類器進(jìn)行選擇;最后采用眾數(shù)投票法對選擇后的基聚類器進(jìn)行投票得到最終的結(jié)果。在詳細(xì)分析了傳統(tǒng)細(xì)分技術(shù)以及基于數(shù)據(jù)挖掘的客戶細(xì)分理論之后,將之前的聚類集成算法用于移動通信行業(yè)的客戶細(xì)分。首先對客戶數(shù)據(jù)進(jìn)行預(yù)處理,然后用算法對這些處理過的數(shù)據(jù)進(jìn)行細(xì)分,根據(jù)細(xì)分結(jié)果提取不同客戶組群的群體特征,進(jìn)而制定相關(guān)的營銷策略,實驗結(jié)果表明,本文的研究工作具有實際應(yīng)用價值。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于宗民;;從客戶細(xì)分看企業(yè)信息化建設(shè)中的缺失[J];中國金融電腦;2007年07期

2 張靜;;通信企業(yè)客戶細(xì)分及相關(guān)技術(shù)綜述[J];信息與電腦(理論版);2014年01期

3 李益強,漆晨曦;基于數(shù)據(jù)挖掘的電信客戶細(xì)分研究析[J];廣東通信技術(shù);2005年05期

4 張曉航;基于聚類算法的客戶細(xì)分[J];通信企業(yè)管理;2005年12期

5 趙坊芳;;客戶細(xì)分中聚類的應(yīng)用[J];電腦知識與技術(shù);2010年11期

6 文碧桂;趙蔚;;網(wǎng)絡(luò)教育服務(wù)中的客戶細(xì)分策略分析[J];中國教育技術(shù)裝備;2010年12期

7 岳小婷;;基于客戶消費行為的電信客戶細(xì)分[J];電子商務(wù);2011年12期

8 胡靜靜;王愛金;;3G業(yè)務(wù)的客戶細(xì)分研究[J];商業(yè)文化(下半月);2011年12期

9 宋才華;藍(lán)源娟;范婷;翟鴻榮;李濱濤;;電力企業(yè)客戶細(xì)分模型研究[J];現(xiàn)代電子技術(shù);2014年02期

10 王荇;李彗;;基于聚類的客戶細(xì)分方法研究[J];電腦知識與技術(shù);2008年S1期

相關(guān)會議論文 前3條

1 張國政;;基于CLV及客戶滿意度的客戶細(xì)分研究[A];中國市場營銷創(chuàng)新與發(fā)展學(xué)術(shù)研討會論文集[C];2009年

2 謝琳;潘定;;珠三角寬帶客戶細(xì)分及保持策略研究[A];第二十九屆中國控制會議論文集[C];2010年

3 盧艷麗;韓景元;袁麗娜;;基于客戶終身價值的客戶細(xì)分方法實證研究[A];中國市場學(xué)會2006年年會暨第四次全國會員代表大會論文集[C];2006年

相關(guān)重要報紙文章 前10條

1 范煒;合理確定客戶細(xì)分標(biāo)準(zhǔn)是理財業(yè)務(wù)的重中之中[N];中國城鄉(xiāng)金融報;2006年

2 ;撥開“客戶細(xì)分”迷霧[N];網(wǎng)絡(luò)世界;2006年

3 工業(yè)和信息化部電信研究院泰爾管理研究所 狄輝;客戶細(xì)分魔法書[N];通信產(chǎn)業(yè)報;2009年

4 任柏菘;普爾特的客戶細(xì)分[N];中國房地產(chǎn)報;2011年

5 主持人 中國房地產(chǎn)報管理評論部資深記者 張勁松;怎樣實現(xiàn)中國特色的客戶細(xì)分？[N];中國房地產(chǎn)報;2011年

6 郵儲銀行江蘇省連云港市分行 朱慈;基于經(jīng)濟生命周期的銀行客戶細(xì)分[N];中國郵政報;2013年

7 本報記者 李秀中;客戶細(xì)分 上海大眾運作“關(guān)系營銷”[N];第一財經(jīng)日報;2005年

8 記者 方俊;券商強化客戶細(xì)分初嘗甜頭[N];上海證券報;2011年

9 中研博峰咨詢有限公司咨詢顧問 高榮霞;六步驟鎖定細(xì)分市場[N];通信產(chǎn)業(yè)報;2009年

10 楊怡 劉學(xué);重慶移動深度推進(jìn)客戶細(xì)分工程[N];人民郵電;2006年

相關(guān)碩士學(xué)位論文 前10條

1 吳昊;基于利益的客戶細(xì)分方法研究[D];華中科技大學(xué);2004年

2 羅斌;面向客戶細(xì)分的改進(jìn)關(guān)聯(lián)規(guī)則算法研究[D];哈爾濱工業(yè)大學(xué);2006年

3 蔡巧宇;基于數(shù)據(jù)挖掘的客戶細(xì)分案例分析[D];蘭州財經(jīng)大學(xué);2015年

4 徐歡;基于數(shù)據(jù)挖掘的房地產(chǎn)開發(fā)企業(yè)既有客戶細(xì)分研究[D];重慶大學(xué);2015年

5 陳東沂;融合用戶興趣和文本聚類的企業(yè)微博客戶細(xì)分[D];廣東外語外貿(mào)大學(xué);2015年

6 鄒湘萍;基于數(shù)據(jù)挖掘的移動公司高端客戶細(xì)分及營銷策略研究[D];電子科技大學(xué);2013年

7 張潔勤;電信企業(yè)針對性營銷系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

8 楊曉斌;改進(jìn)的BIRCH算法在電信客戶細(xì)分中的應(yīng)用[D];合肥工業(yè)大學(xué);2015年

9 樊仙仙;基于聚類分析的H銀行客戶細(xì)分及營銷策略研究[D];華東理工大學(xué);2016年

10 楊茜;基于大數(shù)據(jù)的客戶細(xì)分模型及精確營銷策略研究[D];南京郵電大學(xué);2015年

，

本文編號：1335726