[1]耿筱媛 张燕平 闫屹.改进的K—means算法在电信客户细分中的应用[J].计算机技术与发展,2008,(05):163-167.
　GENG Xiao-yuan,ZHANG Yan-ping,YAN Yi.Application of Improved K - means Algorithm Subdivision of Telecom Clients[J].,2008,(05):163-167.
点击复制

改进的K—means算法在电信客户细分中的应用()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2008年05期
页码:
163-167
栏目:
应用开发研究
出版日期:
1900-01-01

文章信息/Info

Title:
Application of Improved K - means Algorithm Subdivision of Telecom Clients
文章编号:
1673-629X（2008）05-0163-05
作者:
耿筱媛 张燕平 闫屹
安徽大学计算智能与信号处理教育部重点实验室
Author(s):
GENG Xiao-yuan;  ZHANG Yan-ping;  YAN Yi
Ministry of Education Key Lab. of Intelligent Computing and Signal Processing, Anhui University
关键词:
数据挖掘; 聚类算法; K-means算法; 准则函数
Keywords:
data mining;  clustering;  K - means algorithm; Jc
分类号:
TP301.6
文献标志码:
A
摘要:
在K—means算法中，选择不同的初始聚类中心会产生不同的聚类结果且有不同的准确率，并且其迭代过程在时间上不是高效的。针对K—means算法的这两点不足做了一定程度上的改进，理论分析表明，改进后的算法具有较高的准确度和较低的时间复杂度。采用改进后K—means聚类算法对电信客户数据进行聚类分析，得到具有不同特征的客户群组，通过与统计分析的对比，聚类结果分析更合理清晰，更便于对不同群组采取不同的经营策略，为管理者提供了合理的决策支持
Abstract:
In the K- means algorithm, selecting different initial centers that the algorithm begins with can produce different results and different accuracy,and the process of iterative is not high - efficiency. Investigates the standard K - means clustering algori

相似文献/References:

[1]项响琴 汪彩梅.基于聚类高维空间算法的离群数据挖掘技术研究[J].计算机技术与发展,2010,(01):120.
　XIANG Xiang-qin,WANG Cai-mei.Study of Outlier Data Mining Based on CLIQUE Algorithm[J].,2010,(05):120.
[2]李雷 丁亚丽 罗红旗.基于规则约束制导的入侵检测研究[J].计算机技术与发展,2010,(03):143.
　LI Lei,DING Ya-li,LUO Hong-qi.Intrusion Detection Technology Research Based on Homing - Constraint Rule[J].,2010,(05):143.
[3]吉同路 柏永飞 王立松.住宅与房地产电子政务中数据挖掘的应用研究[J].计算机技术与发展,2010,(01):235.
　JI Tong-lu,BAI Yong-fei,WANG Li-song.Study and Application of Data Mining in E-government of House and Real Estate Industry[J].,2010,(05):235.
[4]杨静 张楠男 李建 刘延明 梁美红.决策树算法的研究与应用[J].计算机技术与发展,2010,(02):114.
　YANG Jing,ZHANG Nan-nan,LI Jian,et al.Research and Application of Decision Tree Algorithm[J].,2010,(05):114.
[5]赵裕啸 倪志伟 王园园 伍章俊.SQL Server 2005数据挖掘技术在证券客户忠诚度的应用[J].计算机技术与发展,2010,(02):229.
　ZHAO Yu-xiao,NI Zhi-wei,WANG Yuan-yuan,et al.Application of Data Mining Technology of SQL Server 2005 in Customer Loyalty Model in Securities Industry[J].,2010,(05):229.
[6]张笑达 徐立臻.一种改进的基于矩阵的频繁项集挖掘算法[J].计算机技术与发展,2010,(04):93.
　ZHANG Xiao-da,XU Li-zhen.An Advanced Frequent Itemsets Mining Algorithm Based on Matrix[J].,2010,(05):93.
[7]王爱平 王占凤 陶嗣干 燕飞飞.数据挖掘中常用关联规则挖掘算法[J].计算机技术与发展,2010,(04):105.
　WANG Ai-ping,WANG Zhan-feng,TAO Si-gan,et al.Common Algorithms of Association Rules Mining in Data Mining[J].,2010,(05):105.
[8]张广路 雷景生 吴兴惠.一种改进的Apriori关联规则挖掘算法（英文）[J].计算机技术与发展,2010,(06):84.
　ZHANG Guang-lu,LEI Jing-sheng,WU Xing-hui.An Improved Apriori Algorithm for Mining Association Rules[J].,2010,(05):84.
[9]吴楠 胡学钢.基于聚类分区的序列模式挖掘算法研究[J].计算机技术与发展,2010,(06):109.
　WU Nan,HU Xue-gang.Research on Clustering Partition-Based Approach of Sequential Pattern Mining[J].,2010,(05):109.
[10]吴青 傅秀芬.水平分布数据库的正负关联规则挖掘[J].计算机技术与发展,2010,(06):113.
　WU Qing,FU Xiu-fen.Positive and Negative Association Rules Mining on Horizontally Partitioned Database[J].,2010,(05):113.
[11]王鑫 王洪国 王珺 王金枝[].数据挖掘中聚类方法比较研究[J].计算机技术与发展,2006,(10):20.
　WANG Xin,WANG Hong-guo,WANG Jun,et al.Comparison of Clustering Methods in Data Mining[J].,2006,(05):20.
[12]黄韬 刘胜辉 谭艳娜.基于k-means聚类算法的研究[J].计算机技术与发展,2011,(07):54.
　HUANG Tao,LIU Sheng-hui,TAN Yan-na.Research of Clustering Algorithm Based on K-means[J].,2011,(05):54.
[13]刘华春,候向宁,杨忠. 基于改进K均值算法的入侵检测系统设计[J].计算机技术与发展,2016,26(01):101.
　LIU Hua-chun,HOU Xiang-ning,YANG Zhong. Design of Intrusion Detection System Based on Improved K-means Algorithm[J].,2016,26(05):101.
[14]李 博,李 霞,张 晓,等.MD-KNN 算法在高校精准资助中的应用[J].计算机技术与发展,2020,30(07):91.[doi:10. 3969 / j. issn. 1673-629X. 2020. 07. 020]
　LI Bo,LI Xia,ZHANG Xiao,et al.Application of MD-KNN in Accurate Subsidy of Colleges[J].,2020,30(05):91.[doi:10. 3969 / j. issn. 1673-629X. 2020. 07. 020]
[15]宋冬冬,王 楠,田树耀,等.基于聚类算法的车辆数据挖掘及可视化研究[J].计算机技术与发展,2020,30(10):204.[doi:10. 3969 / j. issn. 1673-629X. 2020. 10. 036]
　SONG Dong-dong,WANG Nan,TIAN Shu-yao,et al.Research on Vehicle Data Mining and Visualization Based on Clustering Algorithm[J].,2020,30(05):204.[doi:10. 3969 / j. issn. 1673-629X. 2020. 10. 036]

备注/Memo

备注/Memo:
国家自然科学基金项目（60675031,60475017）;973计划（国家重点基础研究）（2004CB318108）;安徽省教育厅重点自然科学研究项目（2006kj015A）;安徽省教育厅自然科学研究项目（2005kj053）;安徽大学211工程学术创新团队耿筱媛（1983-），女，安徽巢湖人，硕士研究生，研究方向为人工智能计算；张燕平，博士，教授，研究领域为人工神经网络、机器学习
更新日期/Last Update: 1900-01-01