基于復(fù)雜屬性相似度的聚類算法研究及應(yīng)用.pdf

1、聚類分析作為一種能準(zhǔn)確歸類數(shù)據(jù)到適合類別的技術(shù),在市場細(xì)分中有著廣泛應(yīng)用。隨著企業(yè)經(jīng)營業(yè)務(wù)的多元化和企業(yè)對客戶重視程度的不斷加強(qiáng),描述客戶特征的屬性也在不斷細(xì)化,這使得客戶信息數(shù)據(jù)的維度不斷提高。數(shù)據(jù)的高維性,使得聚類算法面臨稱為“維災(zāi)”的難題已經(jīng)越來越引起人們的關(guān)注。
　　 由于基于選維和降維的高維聚類算法需要放棄某些維度上的信息,使得這類方法不能較好的滿足實(shí)際的需要。如何在確保各個(gè)數(shù)據(jù)維度信息完整的情況下進(jìn)行聚類分析是高維聚

2、類領(lǐng)域研究的重點(diǎn)。本文主要研究高維聚類算法中基于對象相似性的聚類算法,主要進(jìn)行了以下幾項(xiàng)研究:
　　 (1)討論了聚類分析的一般過程,分析了五類傳統(tǒng)聚類算法和三類高維聚類算法。重點(diǎn)研究了基于對象相似性聚類算法中的相似性度量函數(shù)和圖的分割算法。
　　 (2)針對企業(yè)市場調(diào)查數(shù)據(jù)特點(diǎn),根據(jù)屬性相似度度量思想,提出了一種面向復(fù)雜屬性的聚類算法。該算法首先對數(shù)據(jù)屬性進(jìn)行分類,然后根據(jù)相似性建立圖模型,最后對圖進(jìn)行分割與聚類。該算

3、法能在保證數(shù)據(jù)信息完整的同時(shí)有效處理高維數(shù)據(jù)和復(fù)雜屬性。算法在參數(shù)調(diào)節(jié)時(shí),不需遍歷原始數(shù)據(jù),有效提高了運(yùn)算效率;該算法不需指定初始聚類中心,減少了人工干預(yù)對聚類的影響。利用隨機(jī)數(shù)據(jù)集Random進(jìn)行的模擬實(shí)驗(yàn)表明,提出的算法具有良好性能,能得到高質(zhì)量的聚類。
　　 (3)論文以某省電信高校市場調(diào)查為背景,給出了一個(gè)完整的聚類分析的實(shí)例。該實(shí)例采用本文提出的基于復(fù)雜屬性相似度的聚類算法,通過對電信市場調(diào)查數(shù)據(jù)進(jìn)行聚類,得到了高校電