基于密度的K-Means算法在客户细分中应用的研究  

K-Means Algorithm Based on Density in Customer Segmentation

作　　者：王丽萍[1] 刘建平[1] 

机构地区：[1]浙江理工大学信息学院,浙江杭州310018

出　　处：《工业控制计算机》2016年第10期79-80,93,共3页Industrial Control Computer

摘　　要：对于传统的K-Means算法,聚类结果对初始聚类中心有很强的依赖性,结果会因选取的初始聚类中心的不同而产生不稳定性[1]。在原有的K-Means算法基础上,通过计算数据集中每个数据对象的密度参数,然后选取合适的T-邻域作为选择初始聚类中心点的重要条件,计算出准确的初始聚类中心,从而得到具有高稳定性的聚类效果,并将改进后的方法应用到客户细分上。实验表明,改进后的算法对于初始聚类中心的选取有更好的稳定性。Based on the original k-means algorithm,according to calculating the density parameter for each data object,appropriate T-neighborhood as an important condition for the clustering center.The more accurate initial cluster centers are calculated,and the clustering results are obtained.The improved algorithm is applied to customer segmentation.

关 键 词：K-MEANS算法 聚类中心 密度参数 T-邻域 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]