基于密度的聚類算法研究及其在電信客戶細(xì)分中的應(yīng)用.pdf

1、伴隨著電信市場(chǎng)的迅速發(fā)展，電信客戶逐漸呈現(xiàn)出細(xì)分化、多元化的特征，電信企業(yè)的競(jìng)爭(zhēng)焦點(diǎn)和發(fā)展機(jī)遇將更多的集中到各細(xì)分市場(chǎng)中。運(yùn)營(yíng)商要保持市場(chǎng)的領(lǐng)先地位以及不斷提升客戶價(jià)值，必須主動(dòng)進(jìn)行客戶細(xì)分。因此如何有效地利用數(shù)據(jù)挖掘方法對(duì)客戶進(jìn)行細(xì)分是目前數(shù)據(jù)挖掘應(yīng)用的一個(gè)非常熱門且具有重要應(yīng)用價(jià)值的研究課題。 論文對(duì)數(shù)據(jù)挖掘基本方法之一的聚類技術(shù)進(jìn)行了較全面的比較研究，并利用改進(jìn)的聚類算法來(lái)細(xì)分電信業(yè)客戶，從而達(dá)到可識(shí)別具有相似特征的客戶群

2、，成為分析客戶和形成市場(chǎng)策略的基礎(chǔ)。本文主要研究工作與特色有： 1)針對(duì)基于密度的聚類方法不能發(fā)現(xiàn)密度分布不均的數(shù)據(jù)樣本的缺陷，提出了一種基于代表點(diǎn)和點(diǎn)密度的聚類算法(CBRD)。算法以代表點(diǎn)的平均密度作為類密度，代表點(diǎn)的k近鄰為代表區(qū)域，根據(jù)類密度，將滿足密度閾值的代表區(qū)域中的點(diǎn)選為代表點(diǎn)，再利用選出的代表點(diǎn)調(diào)整類密度，如此反復(fù)的尋找出所有代表點(diǎn)和代表區(qū)域。所有區(qū)域相連的代表點(diǎn)及其代表區(qū)域?qū)?gòu)成一個(gè)聚類，不在任何一類中的點(diǎn)則被

3、作為噪聲數(shù)據(jù)。實(shí)驗(yàn)結(jié)果顯示，該方法可以發(fā)現(xiàn)任意形狀的密度分布不均的類。 2)提出的CBRD算法雖然能夠發(fā)現(xiàn)任意形狀的聚類，但是在數(shù)據(jù)量大的時(shí)候需要較多的內(nèi)存和I/O消耗，導(dǎo)致其在客戶細(xì)分中不能取得好的應(yīng)用。因此，在CBRD聚類算法思想的基礎(chǔ)上，本文提出了一種基于數(shù)據(jù)交疊分區(qū)的高效密度聚類算法，算法繼承了CBRD聚類算法可以發(fā)現(xiàn)任意形狀的密度分布不均的類的優(yōu)點(diǎn)，同時(shí)還具有較高的運(yùn)行效率。 3)將改進(jìn)后的密度聚類算法應(yīng)用于電