基于改进K均值聚类的银行客户分类算法
为了提高银行客户分类的正确率,使银行的收益最大化,提出一种基于改进K均值聚类的银行客户分类算法.算法定义了类间最大相似度均值(AMS),并根据该定义确定最佳聚类数.当计算出的当下AMS值比前一次的AMS值小时,根据距离原则选择初始聚类中心;当计算出的当下AMS值比前一次的AMS值大时,把该最小AMS值相匹配的聚类中心看作初始聚类中心.利用最佳聚类数和初始聚类中心实现银行客户的细分.仿真结果表明,提出的算法能够跳出局部最优,并提高客户分类的正确率.
银行、客户分类、K均值、聚类
40
O152.1(代数、数论、组合理论)
辽宁省社会科学基金项目L11BJL022
2018-09-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
125-128