k-means算法改進及其在通信行業(yè)客戶細分中的應用.pdf

1、隨著通信業(yè)務的發(fā)展,要求國內通信企業(yè)的運營模式由以產品為中心逐步向以客戶數(shù)據(jù)為中心、以信息為基礎的國際先進模式轉變,客戶細分成為該經營模式的前提和基礎。如何根據(jù)客戶消費行為對客戶進行合理的細分,對不同的客戶提供適合其特點的個性化服務,為客戶創(chuàng)造價值,同時使企業(yè)利潤達到最大化,己成為通信運營商關注的焦點。數(shù)據(jù)挖掘聚類技術能有效的將具有相同特征的客戶聚為一類,為企業(yè)進行客戶細分提供了技術支持。
　　 本文對k-means算法進行改進

2、研究并應用于通信行業(yè)客戶細分中,主要工作如下:
　　 剖析了聚類分析中的經典k-means算法,闡述了算法思想和基本流程,分析了該算法的優(yōu)點和不足以及現(xiàn)有的改進算法,重點分析了k-means算法對初始聚類中心的依賴性以及k-means算法處理海量數(shù)據(jù)時的時間效率低的缺陷。
　　 針對這兩點不足,提出一種改進算法。改進算法取盡可能離得遠的樣本點作為初始聚類中心,這樣可以避免經典算法隨機選取初始中心時很可能出現(xiàn)的聚類中心過于

3、鄰近的現(xiàn)象,有效防止了目標準則函數(shù)陷入局部最優(yōu)。另一方面,改進算法在計算和比較樣本點間的距離時,將三角不等式原理引入到k-means算法中,避免一些不必要的比較和距離計算,提高了算法的時間效率。然后通過仿真實驗來驗證改進算法在聚類效率、聚類穩(wěn)定性和時間效率上均優(yōu)于經典k-means算法。
　　 最后將改進的k-means算法應用到電信客戶細分中,得到了比較理想的細分結果,并對結果進行分析,從而對不同的客戶群制定不同的營銷策略,為