面向電子商務(wù)的數(shù)據(jù)挖掘中聚類算法的研究.pdf

1、在信息和知識(shí)經(jīng)濟(jì)時(shí)代伴隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，企業(yè)紛紛建立自己的商務(wù)網(wǎng)站，開展電子商務(wù)活動(dòng)，日積月累網(wǎng)站上生成了大量的與客戶有關(guān)的記錄信息，這些信息對(duì)企業(yè)來(lái)說(shuō)應(yīng)該是一筆非常寶貴的財(cái)富，如果能得到充分挖掘，發(fā)現(xiàn)背后蘊(yùn)涵的有用知識(shí)，為企業(yè)業(yè)務(wù)決策和戰(zhàn)略發(fā)展服務(wù)，企業(yè)將會(huì)在市場(chǎng)競(jìng)爭(zhēng)中占據(jù)有利地位，應(yīng)運(yùn)而生的數(shù)據(jù)挖掘技術(shù)給出了有效的解決方法，它能夠?qū)Υ罅康?、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)進(jìn)行挖掘，提取隱含在其中的、事先不知道

2、但又是潛在有用的信息和知識(shí)。而聚類分析是數(shù)據(jù)挖掘技術(shù)中重要的組成部分，從技術(shù)角度講，它的主要目的是將數(shù)據(jù)空間中的數(shù)據(jù)點(diǎn)劃分到若干個(gè)類中。其中，將距離相近的數(shù)據(jù)點(diǎn)劃分到相同的類中，而將距離較遠(yuǎn)的數(shù)據(jù)點(diǎn)劃分到不同的類中。 目前，已經(jīng)提出了很多的聚類算法，它們基本上可以分為以下幾種方法：劃分方法、層次方法、基于密度、基于網(wǎng)格和混合方法等方法，這些方法各有優(yōu)缺點(diǎn)。本文通過(guò)分析基于網(wǎng)格與基于密度的聚類算法特征，提出了一種基于網(wǎng)格和密度的混

3、合聚類算法，通過(guò)分階段聚類并選取代表單元中的種子對(duì)象來(lái)擴(kuò)展類，從而減少區(qū)域查詢次數(shù)，實(shí)現(xiàn)快速聚類。該算法保持了基于密度的聚類算法可以發(fā)現(xiàn)任意形狀的聚類和對(duì)噪聲數(shù)據(jù)不敏感的優(yōu)點(diǎn)，同時(shí)保持了基于網(wǎng)格的聚類算法的高效性，適合對(duì)大規(guī)模數(shù)據(jù)的挖掘，并且實(shí)驗(yàn)數(shù)據(jù)分析驗(yàn)證了算法的有效性。 在聚類分析領(lǐng)域中另一個(gè)長(zhǎng)期困擾研究者的典型問(wèn)題就是聚類參數(shù)的設(shè)置問(wèn)題。只有合理的設(shè)置聚類參數(shù)才能聚類出高質(zhì)量的聚類結(jié)果。然而被聚類的數(shù)據(jù)集分布情況在聚類前往