基于混合聚类算法的客户细分策略研究

被引：11

作者：

王虹 ^{[1
,2
]}

孙红 ^{[1
,2
]}

机构：

[1] 上海理工大学光电信息与计算机工程学院

[2] 上海理工大学上海现代光学系统重点实验室

来源：

电子科技 | 2016年 / 29卷 / 01期

关键词：

层次聚类法; K-means算法; 混合聚类算法; 客户细分; 汽车销售;

D O I：

10.16180/j.cnki.issn1007-7820.2016.01.008

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对层次聚类法和K-means聚类法的缺陷和不足,提出将二者相结合的改进算法,既解决了层次聚类法伸缩性差的问题,又解决了K-means聚类法对初始聚类中心敏感的问题。通过对改进算法的计算复杂度分析并利用UCI数据库的测试数据对改进算法进行测试。结果表明,混合聚类算法使样本聚类的准确率提高到94%,并有更高的执行效率和更好地实用性。此外,将此算法应用到汽车销售公司的客户细分管理中,得出了差别化明显的客户细分类别,表明此改进算法具有更强的客户细分能力以及客户行为特征的解释能力。

引用

页码：29 / 32

页数：4

共 10 条

[1] 基于消费数据挖掘的多指标客户细分新方法 [J].

曾小青 ;

徐秦 ;

张丹 ;

林大瀚 .

计算机应用研究, 2013, 30 (10) :2944-2947

[2] 数据挖掘中聚类算法研究进展 [J].

周涛 ;

陆惠玲 .

计算机工程与应用, 2012, 48 (12) :100-111

[3] 基于购买行为的客户分类方法研究 [J].

闫相斌 ;

李一军 ;

叶强 .

计算机集成制造系统, 2005, (12) :1769-1774

[4] 从多角度分析现有聚类算法(英文) [J].

钱卫宁 ;

周傲英 .

软件学报, 2002, (08) :1382-1394

[5]

基于SOM的4S店客户细分及变化挖掘研究[D]. 赵作为.大连理工大学. 2013

[6]

聚类算法在电子商务客户细分中的应用研究[D]. 李鑫鑫.中国海洋大学. 2012

[7]

K-means聚类算法研究及应用[D]. 张建辉.武汉理工大学. 2007

[8]

汽车行业经销商业务管理系统[M]. 电子工业出版社 , 彭俊松, 2010

[9]

Improving hierarchical cluster analysis: A new method with outlier detection and automatic clustering[J] . J.A.S. Almeida,L.M.S. Barbosa,A.A.C.C. Pais,S.J. Formosinho.Chemometrics and Intelligent Laboratory Systems . 2007 (2)

[10]

Cure: an efficient clustering algorithm for large databases[J] . Sudipto Guha,Rajeev Rastogi,Kyuseok Shim.Information Systems . 2001 (1)

← 1 →