聚類分析在客戶細分領域中的研究與應用.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論