電信數(shù)據(jù)挖掘技術(shù)研究——模糊關(guān)聯(lián)和周期性數(shù)據(jù)聚類的研究.pdf

1、伴隨著我國電信運營商為了適應(yīng)飛速變化的外界環(huán)境進行自我的不斷改革和發(fā)展的同時,電信運營商之間的競爭也演變得越來越激烈,這也給電信運營商帶來了更大更多的發(fā)展機遇。電信運營商發(fā)展至今積累的海量的客戶消費數(shù)據(jù),隱藏著能夠指導(dǎo)電信運營商更準確地進行企業(yè)決策的知識。而發(fā)現(xiàn)大量的數(shù)據(jù)中發(fā)現(xiàn)隱藏的有價值的信息,對現(xiàn)在的電信運營商更好地在競爭中服務(wù)客戶具有重要的意義。數(shù)據(jù)挖掘正是從幫助人們從大量數(shù)據(jù)的傳統(tǒng)分析中解放出來,提供了另一種更智能、更高效也更有

2、成效的從數(shù)據(jù)中獲取知識的技術(shù)方法。
　　 本文主要做了兩部分工作,包括模糊關(guān)聯(lián)和周期性數(shù)據(jù)聚類兩方面的研究。第一部分探討數(shù)量型屬性在區(qū)間劃分上存在的劃分過硬問題,引入模糊關(guān)聯(lián)規(guī)則的問題。本文對現(xiàn)有的模糊關(guān)聯(lián)規(guī)則算法選取了其中三個算法進行了分別的總結(jié)和比較分析,包括基于AprioriTid的模糊關(guān)聯(lián)規(guī)則算法FAMA、基于FP-Tree的模糊關(guān)聯(lián)規(guī)則算法FFP-Tree和基于線性鏈表的關(guān)聯(lián)規(guī)則挖掘算法FMA-LL,并用實驗比較了幾個

3、算法之間的優(yōu)劣性,驗證了FMA-LL在模糊屬性處理問題上的全面性和在算法效率上的高效性。在已有的FMA-LL算法的基礎(chǔ)上,從線性和非線性兩方面解決隸屬度函數(shù)的確定問題。CURE算法利用聚類得到的中心構(gòu)成模糊集,GA算法將函數(shù)參數(shù)編碼經(jīng)過多次遺傳操作得到最優(yōu)模糊集,再確定線性函數(shù)。FCM和GA_FCM算法是采用分治對每個屬性模糊聚類產(chǎn)生對應(yīng)的隸屬矩陣,根據(jù)聚類中心和隸屬矩陣來逼近正態(tài)模糊函數(shù),得到正態(tài)隸屬度函數(shù)。采用adult數(shù)據(jù)集做實驗