基于改进K-means聚类算法在电力客户价值分群的应用

摘要：

针对电力客户特点实行不同的营销策略和提供差异化服务,就需要对电力客户做出准确的分群.传统K-means聚类算法对数据分布均匀的类似球形的数据集聚类效果比较好,一旦数据集分布密度不均衡,类簇大小差异明显时,传统K-means算法容易使稀疏的大类簇被高密度小类簇瓜分,导致电力客户分群正确率下降.论文基于电力客户数据分布不均衡的特点,采用了一种改进的K-means聚类算法.改进的K-means算法提出一个新的加权聚类准则,并根据该准则修改了聚类迭代过程.文章最后在对电力客户数据的分群聚类结果表明,改进的K-means聚类算法的分群聚类效果中各个群类的紧凑性得到有效提高,误分情况明显改善.

关键词：K-means算法、新聚类准则、迭代权重、正确率、标准差

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1049-1054,1149