聚類融合算法研究及其在電信中的應(yīng)用.pdf

1、聚類，作為數(shù)據(jù)挖掘技術(shù)研究的熱點(diǎn)之一，受到了越來(lái)越多的關(guān)注。目前已有很多比較成熟的聚類算法，如K-means、K-medoids、BIRCH、CURE、DBSCAN、STING等。雖然其中有些算法已經(jīng)得到廣泛應(yīng)用，但由于聚類分析算法對(duì)于數(shù)據(jù)集有諸多限制，所以很難找到適合的方法進(jìn)行聚類分析。由此，聚類融合算法應(yīng)運(yùn)而生。2002年，聚類融合算法一經(jīng)提出就得到廣泛關(guān)注。實(shí)驗(yàn)證明，該方法能夠得到比單一聚類算法更優(yōu)的結(jié)果。但其自身并不成熟，仍存在

2、許多問(wèn)題，如關(guān)鍵參數(shù)設(shè)定、“軟”“硬”聚類的融合、共識(shí)函數(shù)的設(shè)計(jì)及選擇等。本文所做工作如下： 1.本文在深入了解聚類融合算法的基礎(chǔ)上，重點(diǎn)考察了利用k-means算法產(chǎn)生聚類成員的聚類融合算法中各成員的聚類個(gè)數(shù)與最終融合質(zhì)量的關(guān)系，并提出了一種改進(jìn)算法以提高聚類融合的精確度。首先，根據(jù)聚類成員之間存在差異度的思想，定義了一種差異度計(jì)算公式；其次，通過(guò)實(shí)驗(yàn)考察各個(gè)聚類成員的聚類個(gè)數(shù)與目標(biāo)聚類個(gè)數(shù)的差值對(duì)融合結(jié)果的影響，制定了加權(quán)函

3、數(shù)的計(jì)算公式。實(shí)驗(yàn)數(shù)據(jù)證明，改進(jìn)算法在精確度方面優(yōu)于原算法。 2.電信中客戶細(xì)分模型多用K-means算法來(lái)進(jìn)行，但該方法在實(shí)際應(yīng)用中存在許多問(wèn)題：需要專業(yè)人員指定聚類個(gè)數(shù)并對(duì)結(jié)果做出經(jīng)驗(yàn)判斷、劃分結(jié)果“過(guò)硬”等。本文將聚類融合改進(jìn)算法引入客戶細(xì)分中，以某市電信公司小靈通業(yè)務(wù)數(shù)據(jù)挖掘?yàn)楸尘?，針?duì)客戶通話、短信等行為屬性特征進(jìn)行客戶細(xì)分。過(guò)程中使用聚類融合改進(jìn)算法，能夠有效解決上述問(wèn)題并得出合理的聚類結(jié)果，同時(shí)通過(guò)對(duì)Co-asso