聚類分析在客戶細(xì)分領(lǐng)域中的研究與應(yīng)用.pdf

1、華北電力大學(xué)（保定）碩士學(xué)位論文聚類分析在客戶細(xì)分領(lǐng)域中的研究與應(yīng)用姓名：朵春紅申請學(xué)位級別：碩士專業(yè)：計算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：王翠茹20071220華北電力大學(xué)碩士學(xué)位論文摘要摘要本文分析了數(shù)據(jù)挖掘中的聚類技術(shù)以及聚類技術(shù)在客戶細(xì)分領(lǐng)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(jié)合兩種算法的優(yōu)點和不足給出了一種改進(jìn)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(zhì)量更好。進(jìn)行了仿真計算，仿真結(jié)果證明了算法的可行性和有效性。文章最后介紹了客戶細(xì)分的相關(guān)概念和細(xì)分方法，并詳細(xì)闡述了基于聚類技術(shù)的客戶細(xì)分系統(tǒng)的設(shè)計以及實現(xiàn)。關(guān)鍵字：數(shù)據(jù)挖掘，聚類技術(shù)，Kmeans，DBSCAN，客戶細(xì)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