分析型CRM中聚類(lèi)算法的研究.pdf

1、隨著科技的不斷發(fā)展，網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)得到廣泛的應(yīng)用，企業(yè)存儲(chǔ)的數(shù)據(jù)量也急劇上升。雖然企業(yè)擁有著大量的客戶(hù)數(shù)據(jù)，但卻無(wú)法從海量數(shù)據(jù)中提取蘊(yùn)藏在其中的商業(yè)信息。如何能從數(shù)據(jù)中找出規(guī)律和模式，獲取商業(yè)信息，幫助企業(yè)更好的進(jìn)行決策支持成了當(dāng)前研究的熱門(mén)話(huà)題?？蛻?hù)關(guān)系管理(CRM)是企業(yè)的一種商業(yè)策略。而客戶(hù)細(xì)分則是CRM的首要問(wèn)題，將聚類(lèi)技術(shù)運(yùn)用到客戶(hù)細(xì)分中，能夠?yàn)槠髽I(yè)進(jìn)行客戶(hù)分析提供更多有價(jià)值的信息。
　　 K-means算法是主

2、要的聚類(lèi)算法之一，它是一種基于劃分的聚類(lèi)算法。本文在對(duì)該算法研究的基礎(chǔ)上，試圖將該算法進(jìn)行改進(jìn)。同時(shí)在算法應(yīng)用方面，將聚類(lèi)技術(shù)應(yīng)用于客戶(hù)細(xì)分，客戶(hù)細(xì)分是企業(yè)能夠進(jìn)行有效客戶(hù)管理的前提和依據(jù)，因此這方面的研究具有實(shí)際指導(dǎo)意義。本文的主要研究工作有以下幾個(gè)方面：
　　 本文分析了聚類(lèi)技術(shù)的概念、功能、流程以及常用算法的優(yōu)缺點(diǎn)，重點(diǎn)探討了K-means算法的相關(guān)理論以及算法的優(yōu)缺點(diǎn)，同時(shí)針對(duì)該算法的缺點(diǎn)提出了一種改進(jìn)的K-means算

3、法。
　　 首先針對(duì)K-means算法度量函數(shù)的單一性引入了度量函數(shù)規(guī)則，使算法能夠針對(duì)不同的數(shù)據(jù)集選擇相應(yīng)的度量函數(shù)。其次針對(duì)算法對(duì)初始聚類(lèi)中心敏感以及無(wú)法確定七值的問(wèn)題，引入輪廓系數(shù)以及最大距離函數(shù)的方法來(lái)確定七值及初始聚類(lèi)中心，從而得到了一個(gè)穩(wěn)定的聚類(lèi)結(jié)果。通過(guò)仿真實(shí)驗(yàn)證明了算法的可行性和有效性。
　　 文章最后介紹了客戶(hù)細(xì)分的相關(guān)概念和細(xì)分方法，并將傳統(tǒng)的K-means算法與改進(jìn)的K-means算法應(yīng)用到客戶(hù)細(xì)分