聚类算法在电信客户细分中的应用研究

结合聚类算法的分析,提出了一种解决电信客户细分的应用模型,该模型在实际中得到了较好的应用并为电信服务产品的策划设计提供了依据。同时,通过引入指标区分度的定义,给出了一种聚类方法应用效果评估的方法。该方法结合电信的案例应用与K-Means、SOM、BIRCH等聚类方法结果的分析,得出K-Means方法在电信客户市场细分中的应用优越性。     

基于信息熵的蚁群聚类算法在客户细分中的应用①

传统的蚁群聚类算法需设置较多参数,且聚类时间较长。基于信息熵的蚁群聚类算法通过信息熵改变蚂蚁拾起和放下数据的规则,减少了参数的设置、缩短了聚类的时间,将其应用于客户细分,并且与采用传统的蚁群聚类算法得到的细分结果进行比较分析,实验表明。基于信息熵的蚁群聚类算法可以加快客户细分的聚类进程。     

基于信息熵的蚁群聚类算法在客户细分中的应用①

传统的蚁群聚类算法需设置较多参数,且聚类时间较长。基于信息熵的蚁群聚类算法通过信息熵改变蚂蚁拾起和放下数据的规则,减少了参数的设置、缩短了聚类的时间,将其应用于客户细分,并且与采用传统的蚁群聚类算法得到的细分结果进行比较分析,实验表明。基于信息熵的蚁群聚类算法可以加快客户细分的聚类进程。     

自组织映射(SOM)聚类算法的研究

通过自组织映射神经网络实现的聚类算法能将任意维数的输入信号模式转变为一维或二维的离散映射,以拓扑有序的方式自适应实现这个变换.介绍自组织映射聚类算法的原理,通过实验进行仿真,结果表明自组织映射聚类算法是可行有效的.     

聚类算法在银行客户细分中的应用

针对聚类算法在金融领域广泛应用的实际情况,基于银行客户数据集,对DBSCAN, K-means和X-means 3种聚类算法在执行效率、可扩展性、异常点检测能力等方面进行对比分析,并提出将X-means算法应用于银行业客户细分。利用X-means算法建立了一套银行客户细分模型,为银行决策者提供科学的决策支持。     

微粒群并行聚类在客户细分中的应用

提出了基于自适应微粒群优化的并行聚类算法 ,采用了任务分布方案和部分异步并行通信 ,降低了计算时间。这种并行自适应微粒群算法结合了并行微粒群算法的快速寻优能力和自适应参数动态优化特性 ,保持了群体多样性从而避免了种群退化。最后将该算法应用于电信客户细分中。实验证明 ,该算法在并行机群上具有了较好的准确性、加速性和可扩展性。     

利用自组织特征映射神经网络进行可视化聚类

自组织特征映射作为一种神经网络方法,在数据挖掘、机器学习和模式分类中得到了广泛的应用。它将高维输人空间的数据映射到一个低维、规则的栅格上,从而可以利用可视化技术探测数据的固有特性。该文说明了自组织特征映射神经网络的工作原理和具体实现算法,同时利用一个算例展示了利用自组织特征映射进行聚类时的可视化特性,包括聚类过程的可视化和聚类结果的可视化,这也是自组织特征映射得到广泛应用的原因之一。     

聚类方法在通信行业客户细分中的应用

通信行业的激烈竞争,使客户细分工作显得越来越重要。该文结合通信行业的实际情况,通过研究数据挖掘的聚类方法,提出了用 K-means聚类算法实现通信行业客户细分,解决了通信行业缺乏细分手段的问题,提高了通信企业的效益和竞争力。     

基于多维自组织特征映射的聚类算法研究

作为神经网络的一种方法,自组织特征映射在数据挖掘、模式分类和机器学习中得到了广泛应用.本文详细讨论了自组织特征映射的聚类算法的工作原理和具体实现算法.通过系统仿真实验分析,SOFMF算法很好地克服了许多聚类算法存在的问题,在时间复杂度上具有良好的性能.     

客户细分在电信营销中的应用研究

今天的电信行业面临着如何更好的理解客户信息将其转变为有用的知识,如何维护客户关系和发展有价值客户并提供个性化的服务的难题。数据挖掘能从大量客户数据中发现潜在和有价值的知识,这无容质疑的为电信营销提供的极大的支持。进行客户分群分析的目标是通过综合客户消费行为,帐单行为以及人口统计信息（主要是客户行业）等因素,按照价值和行为两个维度进行战略分群,对客户进行细分。为了重点研究客户分群分析在电信营销中的应用;另外也针对基于数据挖掘模型的应用给出了一些市场战略和个性化营销方法。     

改进型模糊神经网络在顾客分类中的应用研究

随着电子商务的不断发展,顾客信息的管理和分析对B2C电子商务网站来说越来越重要,因此需要一个行之有效的方法来收集顾客信息,并深入挖掘其中所蕴涵的有价值信息。在本文中,我们提出了一种可以根据消费者的网页访问记录和网上交易记录来动态地对顾客进行分类的方法,主要是利用了改进型的FuzzyART神经网络对顾客在网站上的行为模型进行分类,从而得到顾客的分类信息。其结果可以作为提供个性化服务、确定产品的市场定位等方面的基础和依据。文章通过实验证明了上述方法的有效性和正确性,并对其应用进行了进一步的展望。     

基于混合聚类和自组织映射的异常检测模型

针对异常检测方法中存在的异常连接信息不足的问题设计了一种基于混合聚类和自组织映射的异常检 测模型．首先提出了一种聚类算法用以进行异常检测,然后再通过自组织映射（SOM）对检测出的异常连接进行分 类以获得其更多的异常连接信息．最后应用实验数据集进行仿真,结果表明本检测模型是有效的,能够将检测到的 异常连接进行分类并由其所属类别给出该异常连接的更多信息,且检测和分类的效率比较高,误报率低．?     

Satisfaction Benchmarking and Customer Classification: An Application to the Branches of a Banking Organization

Banking services constitute a highly competitive market and indicate a representative example of customer–oriented organizations. For this reason, customer satisfaction is of vital importance, offering a quantitative measure for current and future performance of these organizations. On the other hand, classifying customers according to their satisfaction behavior may indicate different client clusters with distinctive preferences and expectations. This approach serves the development of a truly customer–focussed culture by determining a set of improvement strategies that best fit the different customer segments. In this paper, the multi–criteria method MUSA is implemented in order to measure and analyze customer satisfaction in different branches of a banking organization. These results are also used to benchmark these branches according to the provided services. Moreover, segmentation analysis is performed in order to identify the different groups of customers and estimate the homogeneity of preferences in distinct customer segments. Data are based on a pilot customer–satisfaction survey, while the most important results are focussed on the determination of the critical service dimensions.     

利用SOM网络模型进行聚类研究

自组织特征映射（SOM）是Kohonen提出的一种人工神经网络模型,其整个学习过程是在输入样本空间内进行．并以欧氏距离为度量。本文先介绍了SOM网络模型的来源,接着对SOM网络的结构与学习过程进行了介绍,最后给出了一个SOM网络模型在聚类中的程序实例。     

基于自适应遗传神经网络的银行客户分类研究

银行产品的营销行为都是针对广大客户的。若能提前分辨出哪些是优质客户,再为其定制合理的营销策略,那银行就能获得更大的竞争力。文中将遗传算法与BP神经网络结合用于对银行客户分类进而预测客户是否会购买银行产品。该方法有效地克服了BP神经网络容易陷入局部极小值和收敛速度慢的问题,并且针对其中遗传算法的计算时间和精度问题提出了一种新的自适应遗传算法。实验结果表明,基于这种自适应的遗传神经网络的方法用更短的计算时间达到了更高的预测精度,可以准确地为银行客户分类。     

利用遗传算法改进SOM网络初始权值的乐器分类

针对SOM网络在分类中由于其初始权值的随机性而导致的训练次数过多且易陷入局部最小的问题,提出了利用遗传算法改进网络初始权值的乐器分类。仿真实验提取10种乐器的12阶MFCC系数,之后使用遗传算法计算出每种乐器各阶系数的适应度值,并以此作为网络的初始权值,之后使用已赋初值的SOM网络分类。仿真实验结果表明:利用遗传算法改进SOM网络初始权值的乐器分类方法的分类正确率最高可达到83.51%。     

一种 SOM 和 K-Means 结合算法在 SMT 焊接质量中的应用研究

针对SOM 神经网络算法复杂度高精度低以及K-Means聚类算法需事先确定聚类（簇）数目和随机选取初始聚类中心的不足,论文提出了一种SOM神经网络与K-M eans相结合的S-K二次聚类算法,进行功能互补。该算法应用在SM T焊接质量上,能提高数据聚类信息的精确度,直观地看到数据的分布情况,改善系统的整体性能。     

电信多网点收费综合管理系统设计

介绍了电信企业综合业务管理的功能，开发了实现县级电信从话费收费、话单查询、欠费催缴到业务管理等功能的管理信息系统，且采用分布式结构设计，实现了从县支局到远程多网点收费的综合管理。     

一种基于自注意力机制的用户评论情感分类方法

近年来,用户评论情感分类方法成为自然语言处理领域的重要研究内容.本文利用自注意力机制在文本中捕捉重要局部特征的优势,在没有外部语法信息的条件下自动学习上下文关系,并结合卷积神经网络模型TextCNN,提出一种基于自注意力机制的文本分类模型(TextCNN Attention,TextCNN-Att),TextCNN-A...     

基于SSOM的网络流量分类方法

针对目前基于端口号匹配和特征码识别的流量分类方法准确率低、应用范围受限等问题,提出一种基于有监督的自组织映射(SSOM)的网络流量分类方法。该方法使用已标注类别的网络流量训练集,通过改变自组织映射(SOM)训练过程中的权值调整规则,使输出层中获胜神经元的选择更容易,各类别之间划分更清晰,从而提高分类性能。实验结果表明,SSOM的分辨率及拓扑连续性均优于SOM,对网络流量分类具有更高的准确率。