聚類算法研究及在客戶忠誠度分析中的應(yīng)用.pdf

1、由于聚類分析在現(xiàn)實數(shù)據(jù)處理中的重要性和特殊性,近年來在該領(lǐng)域的研究取得了長足的發(fā)展,涌現(xiàn)出發(fā)許多聚類分析的方法,如基于劃分(Partition-Based)的聚類方法、基于層次(Hierarchical-Based)的聚類方法、基于密度(Density-Based)的聚類方法、基于網(wǎng)格(Grid-Based)的聚類方法、基于模型(Model-Based)的聚類方法等等.這些方法所涉及的領(lǐng)域幾乎遍及人工智能科學(xué)的方方面面,而且在特定的領(lǐng)域

2、中、特定的情形下取得了良好的效果.但是當(dāng)處理數(shù)據(jù)為大數(shù)據(jù)量、具有復(fù)雜數(shù)據(jù)類型的數(shù)據(jù)集合時,則仍存在若干尚未解決的問題,主要基于聚類分析方法進行了研究,主要工作包括:1、聚類分析結(jié)果的精確性問題.聚類結(jié)果的精確性是指聚類分析對原始數(shù)據(jù)集進行劃分后,各子類別間邊界的明確性及各被聚類對象所屬類別的準(zhǔn)確性.2、時間復(fù)雜度和空間復(fù)雜度過大的問題.由于數(shù)據(jù)集中數(shù)據(jù)的增大和數(shù)據(jù)復(fù)雜性的提高,數(shù)據(jù)挖掘算法無論是從算法運算的時間上,還是從算法本身所需要的

3、存儲空間上都急劇的膨脹,使得在現(xiàn)有資源下很難實現(xiàn)數(shù)據(jù)集的最終聚類.3、基于層次的聚類方法的改進.在聚類分析方法中,基于層次的方法是處理較大數(shù)據(jù)集中較為常用的方法之一.4、聚類結(jié)果可視化的解決方案.信息可視化是當(dāng)前人機交互進行數(shù)據(jù)挖掘的前提,由于數(shù)據(jù)集合規(guī)模的不斷擴大,如何將高維數(shù)據(jù)通過二維空間表示出來,并簡潔的、有效的為用戶提供一個數(shù)據(jù)的可視化界面成為研究熱點.該論文的組織結(jié)構(gòu)為:第一章為引言,進行背景知識介紹,闡述了數(shù)據(jù)倉庫和數(shù)據(jù)挖掘

4、的基本概念以及數(shù)據(jù)挖掘所包含的主要內(nèi)容;第二章重點論述了聚類數(shù)據(jù)挖掘的方法及評價標(biāo)準(zhǔn),對各類算法進行總結(jié)評價;第三章面對較大數(shù)據(jù)集對現(xiàn)有的層次聚類算法中存在的缺點提出相應(yīng)的解決方案,在不增加算法復(fù)雜度的基礎(chǔ)上,提高算法的聚類精確性;第四章闡述了聚類結(jié)果可視化,對現(xiàn)有數(shù)據(jù)挖掘中數(shù)據(jù)可視化技術(shù)存在的問題進行總結(jié),最后給出一種在二維空間中表示多維數(shù)據(jù)的方法,應(yīng)用于聚類結(jié)果的可視化;第五章采用聚類分析和分層可視化對海爾銷售數(shù)據(jù)進行聚類分析,幫助