移動商務中面向客戶細分的KSP混合聚類算法

作者：鄧曉懿,金淳,樋口良之,韓慶平

摘要：數據挖掘技術中的聚類算法是解決客戶細分問題的重要算法之一。為解決傳統聚類算法在客戶細分問題中分類精度較低、收斂速度較慢的問題，著重對比分析傳統聚類算法中K-means、自組織映射網絡和粒子群3種算法的不足，提出融合3種算法優點的混合型聚類算法，該算法利用K—means和自組織映射網絡對初始聚類中心進行優化，結合粒子群優化和K-means優化聚類迭代過程，并在迭代優化過程中設計避免算法因早熟而停滯的機制。針對移動電子商務環境下的餐飲業客戶細分問題，建立移動餐飲業客戶細分模型，并利用混合型聚類算法、K-means、層級自組織映射網絡和基于粒子群的K-means等4種算法對實際案例進行對比分析。研究結果表明，混合型聚類算法的聚類精度分別比其他3種算法高，同時還具有最快的收斂性能，更適用于客戶細分問題。

發文機構：大連理工大學系統工程研究所 福島大學理工學部共生系統工程系 佛羅里達州立大西洋大學信息技術及運作管理系

關鍵詞：客戶細分K—means自組織映射粒子群優化混合聚類customer segmentationK-meansself-organizing mapparticle swarm optimizationhybrid clustering

分類號： F713.5[經濟管理—市場營銷][經濟管理—產業經濟]