反馈式聚类算法研究

论文摘要

聚类分析是数据分析的一种基本方法,既可以作为一种独立的数据挖掘工具,用来获得对数据分布情况的了解,也可以作为其他数据挖掘算法的预处理步骤。因此,在市场或客户细分、模式识别、生物学研究、空间数据分析、Web文档分类等方面具有广阔的应用前景,得到了国内外学者的广泛关注,取得了丰硕的研究成果。但是从目前的实际应用情况来看,大多数聚类算法均只考虑如何根据原始数据进行单向分析,应用效果不尽人意。针对国内外现有的聚类算法及其应用效果的不足,以传统的CURE算法为基础,提出了反馈式聚类算法。将基于聚类分析的结果数据反馈到聚类分析阶段,根据反馈数据来调整聚类结果,且这个反馈过程是可不断循环求精的。在反馈式聚类算法中,创新性地提出了反馈集、反馈间关系集、结果集的概念,并对相关性质进行了研究。定义了反馈式聚类算法中结果集构建、结果集归并、初始聚类、聚类后处理的四个阶段,并给出了每个阶段的详细实现算法。利用MyEclipse开发工具,实现仿真系统,进行了仿真实验,从聚类结果准确性、异常数据检测率、时间复杂度三个方面进行测试分析,并与CURE算法进行了对比。最后,结合某电信运营商的分析型客户关系管理系统(试点数据集总数为20万),利用反馈式聚类算法对客户进行了细分。从分析和应用的结果来看,反馈式聚类算法可以不断发现原有CRM系统中的数据质量问题,同时在聚类阶段就可将受到过度打扰的客户区分出来,使聚类结果的准确性得到了显著提高。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究背景
• 1.2 国内外研究概况
• 1.3 论文的研究内容
• 2 基础聚类算法
• 2.1 聚类的定义
• 2.2 聚类算法中的数据类型
• 2.3 基于层次的聚类算法
• 2.4 本章小结
• 3 反馈式聚类算法
• 3.1 基本定义
• 3.2 算法步骤
• 3.3 结果集预处理
• 3.4 初始聚类
• 3.5 聚类后处理
• 3.6 改进算法分析
• 3.7 本章小结
• 4 仿真系统实现与测试
• 4.1 仿真系统功能
• 4.2 系统模块设计
• 4.3 仿真测试
• 4.4 本章小结
• 5 在CRM 中的应用
• 5.1 应用背景
• 5.2 应用过程
• 5.3 应用实例
• 5.4 应用结果
• 6 总结与展望
• 6.1 主要研究内容
• 6.2 下一步研究方向
• 致谢
• 参考文献
• 附录1 攻读硕士学位期间参与的科研课题