试析数据挖掘聚类算法在crm中的研究与应用

《试析数据挖掘聚类算法在crm中的研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、新疆农业大学硕士学位论文数据挖掘聚类算法在CRM中的研究与应用姓名：梁小强申请学位级别：硕士专业：农业机械化工程指导教师：恰汗·合孜尔20090501数据挖掘聚类算法在C麟中的研究与应用摘要数据挖掘是一门新兴的交叉学科，涉及到统计学、人工智能、数据库等多．种技术。聚类分析是数攥挖掘中的一个重要研究领域，它将数据对象分组成为若干个类，使得类中的对象比较相似，而类间对象差别较大。客户关系管理(CustomerRelationshipManagement，CRM)是将客户信息转化成为积极的客户关系的反复循环过程，客户细分是CRM的首要问题，在客户细分中有效运用

2、数据挖掘技术，可以为企业进行客户分析提供更多的有用信息。本文研究了聚类分析的概念、功能、处理过程及常用算法，重点深入分析了k．means算法。k-means算法是一种基于划分的聚类算法，由于算法对初始聚类中心有较强的敏感性，露丽易陷入局部极小。为了减弱这种敏感性，本文分析了k．means算法的聚类结果对初值的依赖性，并对初始聚类中心的选取方法进行了系统的分析和研究，提出了一糟优化选取初始聚类中心的方法，该方法在处理孤立点数据的能力上也有所改进。同时以某公司的客户数据为背景，应用算法对客户进行细分，褥到了较好的效果，验证了改进算法的可行性和有效性。关键词：

3、数据挖掘；聚类分析；k-means；聚类中心；客户细分StudyandApplicationofCRMDataMiningBasedonClusteringAlgorithmsAbstractDataminingisarisingcrossoversubject,involvesanintegrationoftechniquesfrommultipledisciplinessuchasstatistics，artificialintelligence，databasetechnology．Clusteringanalysisisanimportantte

4、chnologyindatamining，whichgroupsthedataintoclassesSOthatobjects、析血iIIaclasshavehighsimilarityincomparisontooneanother,butarcverydissimilartoobjectsinotherclasses。CRMistheiterationoftheprocedurethattranslatesthecustomerinformationintothepositivecustomeg"relation。Customerclassifica

5、tionisthegrid-basedmethodinCRMandpeoplecanrecognizetheusefulinformationbyusingdataminingtechnology．Inthisthesis，wediscussedtheconcept,ftmction鼬，processingprocedureandtechnologyalgorithmsofDataMining．K-meausisapartitioninalgorithms．Thetraditionalk-meansalgorithmhassensitivi锣tothei

6、nitialclusteringcenter．Therefore,itmaysinkintothelocalmin血ulll．Tosolvethisproblem,onthebasisofanalymgtheclusteringresultwhichreliesonthestartingvalue，thepaperstudythewayofthestartingvalueselection，anewmethodisproposedtofindtheinitialclusteringcenter．Meanwhilethepapersalsoproposea

7、nimprovementmeasureinregardingthecomputationoftheclusteringcenterwhichissensitivetotheisolatedpoints．Based011customer’Sdataofacompany,weusedabovealgorithmtohaveclusteringanalysis。Theexperimentalresultsillustratethepracticabilityandeffectivenessoftheproposedmethod．Keywords：DataMin

8、ing；ClusterAnalysis；K-means；ClusteringCe