基于模糊聚类集成算法的客户细分研究

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1O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.

关键词：客户细分、模糊聚类、非监督学习、聚类集成

所属期刊栏目：30

分类号：F272.1;F713.50(企业经济)

资助基金：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"70771067;国家自然科学基金中德国际台作项目"面向CRM的多分类器集成问题研究"70911130228

在线出版日期：2011-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：125-128,177