基于復雜屬性相似度的聚類算法研究及應用.pdf

1、聚類分析作為一種能準確歸類數(shù)據(jù)到適合類別的技術,在市場細分中有著廣泛應用。隨著企業(yè)經(jīng)營業(yè)務的多元化和企業(yè)對客戶重視程度的不斷加強,描述客戶特征的屬性也在不斷細化,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”的難題已經(jīng)越來越引起人們的關注。
　　 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際的需要。如何在確保各個數(shù)據(jù)維度信息完整的情況下進行聚類分析是高維聚

2、類領域研究的重點。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,主要進行了以下幾項研究:
　　 (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,根據(jù)屬性相似度度量思想,提出了一種面向復雜屬性的聚類算法。該算法首先對數(shù)據(jù)屬性進行分類,然后根據(jù)相似性建立圖模型,最后對圖進行分割與聚類。該算

3、法能在保證數(shù)據(jù)信息完整的同時有效處理高維數(shù)據(jù)和復雜屬性。算法在參數(shù)調(diào)節(jié)時,不需遍歷原始數(shù)據(jù),有效提高了運算效率;該算法不需指定初始聚類中心,減少了人工干預對聚類的影響。利用隨機數(shù)據(jù)集Random進行的模擬實驗表明,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,給出了一個完整的聚類分析的實例。該實例采用本文提出的基于復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)進行聚類,得到了高校電