1340.kmeans加權(quán)聚類融合模型在app市場細(xì)分中的應(yīng)用

1、Kmeans加權(quán)聚類融合模型在App市場細(xì)分中的應(yīng)用重慶大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）學(xué)生姓名：蘇浩指導(dǎo)教師：王開榮教授學(xué)位類別：應(yīng)用統(tǒng)計(jì)碩士重慶大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院二O一七年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要聚類分析作為數(shù)據(jù)分析和數(shù)據(jù)挖掘中的一種重要方法，已經(jīng)被廣泛應(yīng)用于市場分析、金融分析、圖像處理等行業(yè)。作為一種無監(jiān)督的統(tǒng)計(jì)學(xué)習(xí)方法，聚類在對(duì)無序和無先驗(yàn)信息的對(duì)象處理中意義重大。特別是在大數(shù)據(jù)時(shí)代，數(shù)據(jù)有著數(shù)據(jù)量大及價(jià)值密度低的特點(diǎn)

2、，聚類分析就顯得日益重要了。聚類分析發(fā)展比較迅速，算法比較豐富。聚類融合算法從A.L.Fred和A.Strel提出以來，由于其比一般的聚類方法有更好的特性，深受到人們的重視。在移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展中，手機(jī)應(yīng)用軟件(App)變的數(shù)目眾多，而質(zhì)量卻參差不齊。對(duì)App進(jìn)行市場細(xì)分就顯得日益迫切。本文主要在Kmeans加權(quán)聚類和Kmeans加權(quán)聚類融合算法的基礎(chǔ)上，結(jié)合實(shí)際數(shù)據(jù)的結(jié)構(gòu)特點(diǎn)，根據(jù)聚類在不同階段聚類對(duì)變量的敏感程度不同，建立了一種分

3、階段的Kmeans加權(quán)聚類融合的方法。該模型在加權(quán)聚類的權(quán)值不能準(zhǔn)確量化的情況下，模型聚類效果較好。然后選取2016年1月1日至2016年12月31日的App的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行清洗變換，形成能夠代表App價(jià)值的截面數(shù)據(jù)。再根據(jù)App數(shù)據(jù)的特點(diǎn)，利用相關(guān)性分析，選擇出表現(xiàn)App的接觸能力變量平均規(guī)模、復(fù)合增長率等變量。最后使用傳統(tǒng)的Kmeans、Kmeans加權(quán)聚類和聚類融合的方法以及改進(jìn)的分階段聚類方法對(duì)App數(shù)據(jù)進(jìn)行模擬，對(duì)其分類結(jié)構(gòu)