基于模糊聚类集成算法的客户细分研究  

Customer Segmentation Study Based on Fuzzy Clustering Ensemble

作　　者：高伟[1] 贺昌政[1] 蒋晓毅 

机构地区：[1]四川大学工商管理学院,成都610064 [2]明斯特大学数学与计算机学院,明斯特德国48149

出　　处：《情报杂志》2011年第4期125-128,177,共5页Journal of Intelligence

基　　金：国家自然科学基金项目"基于自组织数据挖掘的CRM客户分析研究"(编号:70771067);国家自然科学基金中德国际合作项目"面向CRM的多分类器集成问题研究"(编号:70911130228)

摘　　要：针对客户行为的不确定性和模糊性,将模糊聚类集成技术应用于CRM中的客户细分研究,以提高客户聚类的精度。以模糊C均值(FCM)算法作为基本的聚类器,应用模糊t-范式对生成的多个聚类器进行集成,从而获得最终的客户聚类结果。最后,在10个UCI数据集上进行聚类测试,结果表明,基于模糊t-范式的模糊聚类集成方法的聚类精度要高于常用的客户聚类FCM和K-means方法。在客户信用卡数据集Australian上的学习曲线还表明,聚类集成方法具有更稳定的聚类性能。Applying fuzzy ensemble cluster to customer segmentation in CRM in order to improve the cluster performance owing to the uncertainty and fuzziness of customer behavior.First,regarding fuzzy C-means algorithm（FCM） as basic clusterer,and then using a fuzzy t-norm to combine the multiple clusterings to obtain the final consensus clustering.Finally,experiments on 10 UCI data sets show that the fuzzy clustering ensemble algorithm based on t-Norm is better than FCM and K-means.Furthermore,experiments on ＂Australian＂ data set also indicate that the clustering ensemble algorithm we proposed has better stability.

关 键 词：客户细分 模糊聚类 非监督学习 聚类集成 

分 类 号：F272.1[经济管理—企业管理] F713.50[经济管理—国民经济]