客户行为的有效聚类

被引：3

作者：

刘慧婷 ^{[1
]}

倪志伟 ^{[2
]}

机构：

[1] 安徽大学计算机科学与技术学院

[2] 合肥工业大学计算机网络所

来源：

计算机工程与应用 | 2010年 / 04期

关键词：

经验模态分解方法; 自底向上算法; K-means算法; 趋势提取; 客户行为聚类;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

对客户的交易数据进行聚类是客户行为分析的一个重要手段。针对客户交易数据维数高的特点,提出了基于EMD和K-means的顾客行为聚类算法。首先利用EMD和自底向上分段算法实现交易数据序列维度的约简,再利用K-means算法完成降维后序列的聚类,最后利用每个类别中购买率较高的商品作为该类的描述,为商家提供促销依据。该聚类算法一方面可以有效实现客户行为的聚类,另一方面,由于算法对交易数据序列进行了降维处理,节约了一定的存储空间。

引用

页码：12 / 14+28 +28

页数：4

共 5 条

[1] 基于最优划分的K-Means初始聚类中心选取算法 [J].

张健沛 ;

杨悦 ;

杨静 ;

张泽宝 .

系统仿真学报, 2009, (09) :2586-2590

[2] 基于聚类实现客户行为分析 [J].

曲昭伟 ;

郑岩 ;

吕廷杰 .

东北师大学报(自然科学版), 2006, (02) :19-21

[3] 经验模分解在信号趋势项提取中的应用 [J].

陈隽 ;

徐幼麟 .

振动、测试与诊断, 2005, (02) :101-104+153

[4]

商务数据中的关联和聚类算法研究[D]. 王喆.吉林大学. 2005

[5]

Performance and limitations of the Hilbert–Huang transformation (HHT) with an application to irregular water waves[J] . Ocean Engineering . 2004 (14)

← 1 →