一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

面向项目型制造企业的客户需求分析方法

针对项目型制造企业面向客户需求进行产品设计时,传统的客户需求分析方法不能有效解决客户需求信息中贫 信息不确定性、冗余交叉和主观性强等问题,提出一种基于灰色关联聚类和改进粗糙数理论的客户需求分析方法。首先 根据客户行业特征划分客户群,利用熵权法计算其权重;其次运用灰色关联聚类定量表示需求项目间的关系,对客户群 需求进行约简;然后改进了粗糙数理论,提出了面向项目型制造企业的客户需求重要度确定方法;应用结果表明该方法 不仅具有简单易行、有效性高的特点,且能有效提高项目型制造企业设计人员的工作效率和客户满意度,提升企业差异 化的竞争优势。     

一种基于向量空间模型的文本聚类方法

研究了一种基于向量空间模型的文档聚类方法.提出了一个新的聚类模型,即在传统聚类模型的基础上增加一个文档特征向量调整模块;给出了一个特征评价函数用以进行特征提取;对一种基于相似度的平面划分聚类算法做了一些改进.实验结果表明本文提出的聚类模型是可行的.     

基于聚类分析的客户细分及管理——以某电信企业为例

企业之间的竞争归根结底是保持客户并且争取更多的客户．客户关系管理在企业的经营管理中扮演着越来越重要的角色，而数据挖掘、数据仓库、统计学等技术为客户关系管理的实施提供了良好的技术支持。企业的客户众多，且对企业的贡献不一．这就需要企业将客户进行细分，针对不同类型客户合理分配企业的资源．从而保持客户并且争取更多的客户。本文将聚类分析法应用于客户细分及管理中并结合实例进行分析，通过聚类分析科学地进行客户细分．从而为企业进行客户分类管理提供依据。     

数据挖掘中聚类算法的研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行了展望。     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

一种改进的凝聚图聚类方法

以无向非加权图为研究对象,提出了一种基于社团结构核心区域集的图聚类方法,一个社团结构核心区域集是满足五个限定条件的一组完全子图的集合。同时对聚类过程进行分析,给出具体算法描述。实验结果表明该方法能显著提高聚类的精度。     

工程咨询企业市场细分及目标市场的选择

针对目前中国对于工程咨询企业的市场细分研究和应用仍不完善这一问题,分析了对中国工程咨询企业进行市场细分的意义,提出了以事先细分事后细分为主的市场细分策略。其中在事后细分策略中,以模糊聚类方法为主要分析工具,选取了衡量指标,并阐述了该方法的计算过程。     

支持向量聚类算法的研究与改进

支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法.与其它传统聚类方法相比较,该方法具有能得到全局最优解,并能处理任意形状的聚类,无需指定聚类数目,参数少,容易处理高维数据等优点.在原算法的基础上,在聚类标识阶段提出了改进算法,用支持向量代替原来的全部样本数据来进行标识,进一步减少运算时间,提高运算速度.     

遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

基于客户利润贡献度、贡献增长率和关系可靠性的客户细分研究

客户保持已成为公司成功最至关重要的目标。客户细分作为实施客户保持工作的第一步,正确的客户细分能为企业采取有效的策略提供依据。分析了目前客户细分研究的局限性,认为通过客户利润贡献度、贡献增长率和关系可靠性能够从横向和纵向两方面对客户进行有效地细分,进而改善企业的客户关系管理。     

经济全球化下产业集群的创新机制研究

长期以来,人们对经济全球化存在的一个误解,认为要素的自由流动会消除地点的重要性,全球生产网络将取代产业集群化优势。然而,产业集群化趋势越来越明显。产业集群的创新机制可以概括为“轮式模型”,经济全球化下促进产业集群增长方式转变的政策可以根据“轮式模型”的机制来设计。     

基于两阶段算法的带时间窗车辆路径研究

车辆路径问题(VRP)是研究在规定区域内如何规划车辆行驶轨迹来提高运输效率的调度问题。实际生活中往往有顾客对服务时间有自己的要求,因此对于特定时间内车辆路径问题(VRPTW)的研究不但可以提高运输行业配送水平,而且可以有效提高顾客满意度及车辆利用率,实现资金合理配置。通过研究大量配送环节的VRPTW问题并结合实际配送需要,构建运输成本最小的带有惩罚函数的目标函数并设计两阶段算法,将聚类分析和改进遗传算法相结合。通过MATLAB仿真计算和对实验结果进行比较,验证所建模型及算法设计能够有效解决实际问题,降低配送成本。     

一种改进的BIRCH聚类分析算法及其应用研究

文中详细分析讨论了BIRCH算法中存在的不足,并针对其不足进行一定的改进,提出了一种基于离差平方和的改进多阈值BIRCH算法,充分利用离差平方和来建立簇与簇的相关性,相对于单纯以簇之间的中心距离来建立相关性有一定的改进,同时在分裂因子的确定上采用了簇中直径的最大值,克服因采用经验值确定分裂因子的缺陷．最后．引入到基因序列图形表达数据聚类分析应用中．     

改进的共享型最近邻居聚类算法

聚类效果往往依赖于密度和相似度的定义,并且当数据的维增加时,其复杂度也随之增加。该文基于共享型最近邻居聚类算法SNN,提出了一种改进的共享型最近邻居聚类算法RSNN,并将RSNN应用于高速公路交通数据集上,解决了SNN算法在“去噪”、孤立点和代表点的判断、聚类效果等方面的不足之处。实验结果表明,RSNN算法比SNN算法在时空数据集上具有更好的聚类效果。     

基于客户数据库的市场细分实证研究——以某高校网络超市数据为例

基于网络客户数据的市场细分研究,是企业亟待解决的难点问题,可以帮助企业准确区分出有价值的目标客户。从研究模型上来看,市场细分研究选取实证中客户留在网站的个人背景信息、交易属性、价值属性作为细分变量,建立数据仓库挖掘客户数据。从研究方法上来看,市场细分研究采用聚类分析和多位数据分析。市场细分研究的最终目的是区隔目标客户,为企业制定营销策略提供决策参考。     

基于顾客细分的顾客资产管理模式研究

将顾客作为企业的资产来管理,不仅是学术界根据前人的理论和营销实践提出的一种新理论,也是企业在逐渐深入了解客户关系管理、实施CRM平台过程中产生的迫切需求。营销战略由生产导向到市场导向再到顾客导向转移,企业经营的核心也从产品经营演变到资产经营,再发展到顾客经营阶段,顾客资产逐渐成为企业的核心战略资产。     

运营商大客户价值细分模型及营销应用

客户价值细分并采取相应差异化竞争战略是电信运营商的首选战略,目前,国内的大客户细分方法标准单一且针对营销不足,为此在层次分析法基础上探讨了运营商大客户价值细分的模型,并在实地进行营销试验,填补了其理论和应用空白。同时结合不同大客户价值特点提出了营销策略,实地证明的渠道营销、服务营销、产品／业务营销等具体措施的营销效果,可为将来通信运营商的客户价值细分和针对性营销策略提供参考。