基于蟻群聚類算法的客戶細分研究與應用.pdf

1、蟻群算法因其具有分布式計算、信息正反饋和啟發(fā)式搜索等優(yōu)點,已經成功地應用于解決各類復雜優(yōu)化問題,然而蟻群算法中收斂早,易陷入局部最優(yōu)等缺點也一直存在。聚類分析是數(shù)據挖掘中重要的課題之一,特別是聚類分析中非監(jiān)督學習機制,可以事先不需指明聚類的個數(shù)。研究表明,將蟻群算法與聚類分析進行組合形成蟻群聚類算法,可以很好地解決蟻群算法中易陷入局部最優(yōu)的問題,把它運用于解決實際問題,具有顯著的效果。
　　對蟻群算法的基本原理和算法思想進行分析與

2、研究,以旅行商問題為例說明了它的實際應用,介紹了聚類分析中聚類算法的種類及各自的算法思想,重點研究了基于網格的幾種聚類算法,指出了輸入參數(shù)對算法的聚類效果影響較大的問題。對蟻群聚類算法的種類進行了研究,針對基于螞蟻堆的聚類算法中存在以下問題:參數(shù)設置復雜、螞蟻移動隨機性大而導致算法收斂速度慢,對標準蟻群聚類算法進行分析,結合自適應策略思想,提出了一種改進的自適應蟻群聚類算法,該算法簡化了參數(shù)的設置,并引入自適應策略函數(shù),設置相似度閾值,

3、動態(tài)調整螞蟻的運動狀態(tài),降低螞蟻移動的隨機性,最后將改進前后的算法用于處理同一個數(shù)據集,實驗結果表明改進后的算法在迭代次數(shù)上更少,算法的收斂速度更快,效率更高。
　　對客戶細分方法研究發(fā)現(xiàn),客戶細分在銀行客戶關系管理中發(fā)揮著重要的作用。選取了某銀行中個人存款的數(shù)據,去掉姓名、性別,交易類別等不相關屬性,按照客戶的存款,貸款及月薪等情況將客戶分成五大類,將改進后的算法與K均值聚類算法用于識別這些數(shù)據,得到聚類結果,通過實驗對比和理論