点击次数：

论文类型：期刊论文

发表时间：2011-08-20

发表刊物：管理科学

收录刊物：PKU、ISTIC、CSSCI

卷号：24

期号：4

页面范围：54-61

ISSN号：1672-0334

关键字：客户细分;K-means;自组织映射;粒子群优化;混合聚类

摘要：数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一.为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K- means、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K- means和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-means优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制.针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K - means、层级自组织映射网络和基于粒子群的K- means等4种算法对实际案例进行对比分析.研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题.