蟻群聚類算法及其在電信客戶分群中的應用.pdf

1、面對經濟全球化和和全球經濟信息化的發(fā)展趨勢，提高信息技術在社會經濟諸領域的應用水平是最終推動經濟和社會的發(fā)展的必由之路。自八十年代以來，人工智能轉入實際應用，并提出了一個新興的、面向商業(yè)應用的研究課題――數據挖掘。 數據挖掘技術在國外早己被應用于零售業(yè)的銷售預測和分析、金融業(yè)的客戶信用分析及客戶欺詐分析、電信業(yè)的客戶價值分析和銷售預測等方面。面臨日益激烈和復雜的競爭環(huán)境，國內企業(yè)也逐漸加快了信息化的步伐，在電信行業(yè)，各大電信運營

2、商已經建立或正在建設以數據倉庫技術為基礎，以聯(lián)機分析處理和數據挖掘工具為手段的企業(yè)經營分析系統(tǒng)，用以通過對業(yè)務運營系統(tǒng)日常積累的大量歷史數據進行智能化分析，揭示企業(yè)運作和市場情況，從而幫助管理層做出正確明智的經營決策，進而提高企業(yè)的市場競爭力。 論文對數據挖掘的基本方法之一聚類技術進行了較全面的比較研究，并利用改進的聚類算法來細分電信業(yè)客戶，從而達到可識別具有相似特征的客戶群，成為分析客戶和形成市場策略的基礎，真正做到在恰當的時

3、間，通過恰當的渠道，為恰當的客戶提供恰當的服務，以滿足其需要和愿望。 本文首先著重闡述了群體智能領域蟻群算法在聚類分析中的應用，分析了目前在此基礎上有代表性的改進算法，并通過對比不同螞蟻行為模型，驗證了基于螞蟻運動模型的一種自適應的蟻群聚類算法(Adaptive Ant Clustering，簡稱AAC)在聚類速度和質量等方面性能優(yōu)越。 針對現有的絕大多數聚類算法在低維、少量數據上表現較好，但在處理高維數據時聚類質量下降

4、的缺陷，為滿足電信行業(yè)的數據量大、維度高的特點，受自適應蟻群聚類算法(AAC)研究工作的啟發(fā)，采用螞蟻運動模型，提出了一種組合并行多蟻群聚類算法，該算法融入了層次和密度聚類的思想，稱為混合蟻群聚類算法(Hybrid Ant Clustering,簡稱HAC)。該算法采用的是將海量數據分區(qū)進行并行聚類，最終合并的設計思路。通過實驗證明，該改進算法在一定程度上提高聚類速度和質量。 本文最后將此混合聚類算法成功應用于電信業(yè)客戶細分。通