模糊聚類算法研究及其在電信客戶細(xì)分中的應(yīng)用.pdf

1、聚類分析是在無(wú)先驗(yàn)知識(shí)、無(wú)指導(dǎo)下進(jìn)行數(shù)據(jù)分析的一種數(shù)據(jù)挖掘技術(shù)。通過(guò)先進(jìn)算法的恰當(dāng)采用，發(fā)掘潛藏的有價(jià)值的信息，提高數(shù)據(jù)分析和解釋的質(zhì)量。在現(xiàn)實(shí)世界中，許多客觀事物之間的界限往往是模糊的，對(duì)事物進(jìn)行分類時(shí)就必然伴隨著模糊性，由此產(chǎn)生了模糊聚類分析。將模糊聚類應(yīng)用到客戶細(xì)分中，相對(duì)硬聚類能更好地體現(xiàn)客戶特征，從而幫助營(yíng)銷人員制定出更有針對(duì)性的營(yíng)銷策略，以提高客戶的價(jià)值貢獻(xiàn)。 本文在介紹聚類分析以及模糊理論的基本概念和相關(guān)知識(shí)的基礎(chǔ)

2、上，闡述了模糊C均值算法(FCM)的基本原理和步驟。從模糊劃分矩陣、度量方式、加權(quán)指數(shù)m、數(shù)據(jù)類型和聚類有效性幾個(gè)方面綜述模糊C均值算法的研究情況，并對(duì)聚類趨勢(shì)分析的研究進(jìn)行了重點(diǎn)介紹。在綜述了模糊聚類的研究情況后，針對(duì)模糊C均值算法存在的問(wèn)題提出了改進(jìn)算法。首先，一般基于歐氏距離的FCM算法只能檢測(cè)超球體結(jié)構(gòu)的數(shù)據(jù)子集，不能差別對(duì)待樣本的不同屬性，針對(duì)這個(gè)問(wèn)題提出了基于馬氏距離的MFCM算法，提高了聚類效果。然后針對(duì)FCM算法容易陷入

3、局部?jī)?yōu)化的問(wèn)題，將基于馬氏距離的MFCM算法與遺傳算法結(jié)合，并對(duì)這種混合算法的遺傳算子做了相應(yīng)改進(jìn)，得到GMFCM算法。并從聚類正確率、收斂速率和對(duì)初值的敏感性三個(gè)方面對(duì)改進(jìn)算法的性能進(jìn)行了測(cè)試。最后，將改進(jìn)的模糊聚類算法應(yīng)用到電信客戶細(xì)分中。實(shí)驗(yàn)數(shù)據(jù)為某電信公司的小靈通業(yè)務(wù)數(shù)據(jù)，對(duì)這些數(shù)據(jù)經(jīng)過(guò)預(yù)處理等過(guò)程后，選定客戶的呼叫行為和消費(fèi)行為屬性作為細(xì)分變量。對(duì)客戶數(shù)據(jù)作了聚類趨勢(shì)分析及聚類有效性分析后，使用matlab編程實(shí)現(xiàn)了改進(jìn)算法對(duì)