聚類分析在客戶細分領域中的研究與應用.pdf

1、華北電力大學（保定）碩士學位論文聚類分析在客戶細分領域中的研究與應用姓名：朵春紅申請學位級別：碩士專業(yè)：計算機應用技術指導教師：王翠茹20071220華北電力大學碩士學位論文摘要摘要本文分析了數(shù)據(jù)挖掘中的聚類技術以及聚類技術在客戶細分領域中的研究現(xiàn)狀。深入研究和分析了基于劃分的Kmeans算法和基于密度的DBSCAN算法，結合兩種算法的優(yōu)點和不足給出了一種改進的算法——DBSK算法。該算法由于劃分了數(shù)據(jù)集，降低了對主存的要求；算法中給出

2、了計算各局部數(shù)據(jù)集參數(shù)的方法；對于分布不均勻的數(shù)據(jù)集，由于各個局部采用不同的參數(shù)值，使得算法對全局參數(shù)的依賴性降低，聚類質量更好。進行了仿真計算，仿真結果證明了算法的可行性和有效性。文章最后介紹了客戶細分的相關概念和細分方法，并詳細闡述了基于聚類技術的客戶細分系統(tǒng)的設計以及實現(xiàn)。關鍵字：數(shù)據(jù)挖掘，聚類技術，Kmeans，DBSCAN，客戶細分ABSTRACTThispaperanalysestheclusteringtechnology

3、indatamininganditscurrentresearchstatusincustomersegmentationAdditionallytheK—meansalgorithmbasedonpartitionandtheDBSCANalgorithmbasedondensityhavebeenstudiedandanalyzedthoroughlyCombiningadvantageswithdisadvantagesofthe

4、twoalgorithms，theimprovedalgorithmDBSKisproposedBecauseofthepartitionofdataset，DBSKreducestherequirementofmemory；themethodofcomputingvariablevalueisputforward；totheunevendataset，becauseofadoptingdifferentvariablevaluesin

5、eachlocaldataset，thedependenceonglobalparametersisreduced，SOtheclusteringresultisbeaerEmulationexperimenthasbeencarriedout，whichprovesthealgorithm’SfeasibilityandvalidityAtlast，thepaperintroducescorrelativeconceptsofcust

6、omersegmentation，expatiatesthedesignandrealizationofcustomersegmentationsystembasedonclusteringtechnologyDuoChunhong(ComputerApplicationTechnology)DirectedbyprofWangCuiruKeywords：datamining，clusteringtechnology，Kmeans，DB