移动商务中面向客户细分的KSP混合聚类算法

摘要：

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一.为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K- means、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K- means和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-means优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制.针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K - means、层级自组织映射网络和基于粒子群的K- means等4种算法对实际案例进行对比分析.研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题.

关键词：客户细分、K-means、自组织映射、粒子群优化、混合聚类

所属期刊栏目：24

分类号：F713.5(国内贸易经济)

资助基金：国家自然科学基金70890080,70890083

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-61