模拟退火K均值聚类算法及其应用研究  

Application Research of Simulated Annealing K-Means clustering algorithm

作　　者：刘伟民[1,2] 郑爱云[2] 李苏剑[1] 赵方庚[1] 孙江生[1] 

机构地区：[1]北京科技大学物流工程系 [2]河北理工大学机械工程学院

出　　处：《微计算机信息》2008年第21期182-184,共3页Control & Automation

摘　　要：针对CRM客户分类,提出模拟退火算法与K均值算法相结合的聚类算法。利用模拟退火算法全局寻优能力改变k均值算法易陷入局部极值的缺点。经标准数据集检验,证明算法有效。根据烟草商业企业业务数据和卷烟营销特点分析,设计客户分类评价指标模型。将算法应用于烟草商业企业CRM客户分类,分类结果符合卷烟营销特点,从实用角度验证算法有效。根据客户分类设计了差异化CRM营销策略。Propose a simulated annealing K-means （SAKM） algorithm for CRM customer clustering, which use the global optimize a- bility of SA to remedy the local extremum shortcoming of KM. The standard data computational results indicate that it is better than the K-means algorithm. A clustering attributes model had been designed which come from the analyzing of tobacco commercial enter- prise＇ sale data and characteristic. Testify the SAKM in tobacco commercial enterprise CRM customer clustering, the result validate SAKM is in effect, and then propose a personal CRM strategy.

关 键 词：数据挖掘 聚类 模拟退火算法 K均值算法 评价指标模型 烟草商业企业 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论] F224[自动化与计算机技术—计算机科学与技术]