1340.kmeans加權聚類融合模型在app市場細分中的應用

1、Kmeans加權聚類融合模型在App市場細分中的應用重慶大學碩士學位論文（專業(yè)學位）學生姓名：蘇浩指導教師：王開榮教授學位類別：應用統(tǒng)計碩士重慶大學數(shù)學與統(tǒng)計學院二O一七年四月重慶大學碩士學位論文中文摘要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)計學習方法，聚類在對無序和無先驗信息的對象處理中意義重大。特別是在大數(shù)據(jù)時代，數(shù)據(jù)有著數(shù)據(jù)量大及價值密度低的特點

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。在移動互聯(lián)網(wǎng)的快速發(fā)展中，手機應用軟件(App)變的數(shù)目眾多，而質量卻參差不齊。對App進行市場細分就顯得日益迫切。本文主要在Kmeans加權聚類和Kmeans加權聚類融合算法的基礎上，結合實際數(shù)據(jù)的結構特點，根據(jù)聚類在不同階段聚類對變量的敏感程度不同，建立了一種分

3、階段的Kmeans加權聚類融合的方法。該模型在加權聚類的權值不能準確量化的情況下，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)，對數(shù)據(jù)進行清洗變換，形成能夠代表App價值的截面數(shù)據(jù)。再根據(jù)App數(shù)據(jù)的特點，利用相關性分析，選擇出表現(xiàn)App的接觸能力變量平均規(guī)模、復合增長率等變量。最后使用傳統(tǒng)的Kmeans、Kmeans加權聚類和聚類融合的方法以及改進的分階段聚類方法對App數(shù)據(jù)進行模擬，對其分類結構