基于聚类算法的客户细分及其优化

作     者：史海洋 虞慧群 范贵生 SHI Hai-yang;YU Hui-qun;FAN Gui-sheng

作者机构：华东理工大学计算机科学与工程系上海200237 上海计算机软件技术开发中心上海市计算机软件评测重点实验室上海201112 

基　　金：国家自然科学基金项目(61702334、61772200) 上海市浦江人才计划基金项目(17PJ1401900) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第11期

页      码：3282-3287页

摘      要：常见的K-Means簇中心初始化算法在数据量较大的时候表现不佳。为改进簇中心初始化过程,借鉴网格聚类与密度峰值的思想,将数据空间划分为网格,通过数据的分布情况选定高密度网格的中心作为初始簇中心。这种方法保证簇中心位于数据分布的高密度位置且不会过于集中,使K-Means算法可以在处理大规模数据时,快速有效实现簇中心的初始化。基于燃气公司提供的数据设计实验,相比需要频繁计算距离的簇中心初始化算法,改进算法的初始化速度有显著加快,验证了其有效性。

主 题 词：数据挖掘 客户细分 特征提取 K-Means 聚类 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2019.11.037

馆 藏 号：203823391...