聚類分析及其在移動通信企業(yè)數(shù)據(jù)挖掘分析中的應用研究.pdf

1、數(shù)據(jù)挖掘是指從數(shù)據(jù)庫中發(fā)現(xiàn)隱含的、新穎的、有用的信息的過程，已經在許多領域得到了廣泛的應用。聚類分析是數(shù)據(jù)挖掘的主要技術手段之一，至今已在理論和方法上取得了豐碩的研究成果。隨著近年來數(shù)據(jù)密集型企業(yè)數(shù)據(jù)倉庫等決策支持系統(tǒng)的建設以及企業(yè)對商業(yè)智能的需求，數(shù)據(jù)挖掘面臨新的應用，聚類分析研究也面臨更多新的內容和挑戰(zhàn)。移動通信企業(yè)是典型的數(shù)據(jù)密集型企業(yè)，隨著電信市場競爭的不斷加劇，如何對客戶進行細分和分類、并針對不同的客戶群實施差異化營銷和服務，

2、已成為當前電信企業(yè)的迫切需求。本文針對移動通信企業(yè)的客戶細分需求以及數(shù)據(jù)特性，研究和提出一種針對混合屬性數(shù)據(jù)的聚類算法，并將其應用于移動通信企業(yè)的客戶細分，在此基礎上提出了基于客戶細分的市場營銷方法。所做工作歸納如下： 1.介紹了數(shù)據(jù)挖掘技術，詳細論述了數(shù)據(jù)挖掘中的聚類分析，總結了聚類分析的方法、特點和分類，重點討論了混合屬性數(shù)據(jù)聚類，具體研究了模糊K-Prototypes(FKP)算法，并指出了它的優(yōu)缺點。 2.針對模

3、糊K-Prototypes算法對初始值敏感、容易陷入局部極小值的問題，提出了一種基于粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法和FKP算法有機結合的混合聚類算法。該算法首先利用PSO算法確定FKP的初始聚類中心，再將PSO聚類結果作為后續(xù)FKP算法的初始值。實驗結果顯示，新算法具有良好的收斂性和穩(wěn)定性，聚類效果優(yōu)于單一使用FKP算法。另外考慮到樣本矢量中各維特征對模式分類的不同影響，采用了Relie