改進的模糊聚類算法及其在電信欠費數(shù)據(jù)中的應用研究.pdf

1、隨著電信市場的迅速發(fā)展，目前我國通信設備的覆蓋率已到達了很高的水平，手機用戶的數(shù)量逐年增加。電信運營商要保持市場的高效運作，必須依據(jù)不同地區(qū)，根據(jù)不同的人群來劃分不同的收費標準，同時應采取運營策略防止用戶出現(xiàn)大額欠費現(xiàn)象和欠費換號現(xiàn)象。而電信客戶是一個龐大的群體，如何通過分析大量的信息來進行運營決策是目前的一個難題，數(shù)據(jù)挖掘技術在海量信息處理方面的優(yōu)勢使得數(shù)據(jù)挖掘在電信領域中有了更廣闊的應用空間。數(shù)據(jù)挖掘中的聚類技術可以將要處理的對象聚

2、類分析，應用在電信市場分析中，表現(xiàn)為能從客戶基本庫中發(fā)現(xiàn)不同的用戶群，并且刻畫出不同客戶群體的特征。本文就是基于電信欠費用戶的特征，在現(xiàn)有算法的基礎上提出適合電信行業(yè)數(shù)據(jù)特征的聚類分析算法，以此分析出電信用戶的欠費特點，為電信制定相應措施提供理論依據(jù)。本研究主要內容包括：
　　 ⑴對聚類算法進行研究，在模糊C-均值(FCM)聚類算法基礎上，提出基于信息熵的FCM算法。此算法的優(yōu)點是首先利用信息熵來對聚類中心進行初始化，從而確定聚

3、類中心的個數(shù)，以此降低初始聚類對算法產生的誤差，然后結合類合并的思想，將大簇或任意形狀的簇分割成多個小簇，再根據(jù)類合并的條件將各個小簇合并，這樣就可以解決不規(guī)則數(shù)據(jù)集的聚類。之后又在基于信息熵的FCM算法的基礎上引進加權因子，使得算法在聚類過程中對聚類中心的位置不斷調整，從而更加接近實際的中心位置，算法的迭代次數(shù)也要少于傳統(tǒng)的FCM算法，使得算法的運行效率得到了很大提高。而且加權因子的引入使得算法能夠對孤立點進行一定的分析處理，提升了算

4、法的精確度。最后應用實例證明了基于熵加權的FCM算法的高效性。
　　 ⑵將改進的算法應用到電信欠費數(shù)據(jù)的分析中。本部分首先將電信數(shù)據(jù)庫中有關計費的屬性提取，對數(shù)據(jù)進行清洗操作，將所研究數(shù)據(jù)轉化為符合算法輸入的標準數(shù)據(jù)格式，然后分別用FCM算法和改進算法對數(shù)據(jù)進行聚類，得出聚類結果并進行比較。通過比較發(fā)現(xiàn)改進算法的聚類結果比較理想，這也證明了算法的實用性。同時，通過對欠費數(shù)據(jù)的分析，挖掘出了數(shù)據(jù)中的隱含的信息，從而可以為電信運營商