模糊聚类在客户关系管理中的应用与研究

针对客户分类的特征,通过对模糊聚类算法的改进,提出用改进后的模糊聚类算法作为客户关系管理中客户聚类的方法．论述了该方法的聚类过程,并给出了聚类分析的实例,得到了不同客户群的聚类中心以及客户的隶属度矩阵,为客户群的特征分析提供了量化依据,得到了满意的客户聚类结果．     

CRM中的模糊C均值(FCM)客户聚类算法研究

客户关系管理(CRM)中的客户聚类分析是一个新的研究领域,属于数据挖掘的应用范畴.CRM利用数据挖掘技术发现客户数据背后隐藏的、有用的、未曾预料的知识.包括利用聚类方法划分顾客类别.本文提出用模糊C均值(FuzzyC Means,FCM)聚类算法作为客户聚类的方法,得到不同客户群的聚类中心以及客户的隶属度矩阵,为客户群的特征分析提供了量化依据.并采用Matlab6.1为计算工具,最后给出了一个聚类分析实例.实验证明,本文采纳的方法可以得到满意的客户聚类结果.     

一种改进的FCM聚类算法及其在赤潮预测中的应用

针对传统FCM算法的不足,文中提出了一种改进的FCM算法,利用样本与聚类中心相似关系确定各样本对聚类中心的影响系数并对欧氏距离进行加权,使得聚类过程更加迅速,聚类结果更加稳定精确.最后的数据仿真结果也证明本文所作的改进是行之有效的.将改进的算法应用到赤潮预测预警中,直观地反映了海洋要素样本的分布情况,为赤潮预测预警展示了一种新方法.     

一种改进的FCM聚类算法及其在赤潮预测中的应用

针对传统FCM算法的不足，文中提出了一种改进的FCM算法，利用样本与聚类中心相似关系确定各样本对聚类中心的影响系数并对欧氏距离进行加权，使得聚类过程更加迅速，聚类结果更加稳定精确．最后的数据仿真结果也证明本文所作的改进是行之有效的．将改进的算法应用到赤潮预测预警中，直观地反映了海洋要素样本的分布情况，为赤潮预测预警展示了一种新方法．     

企业的客户价值评价指标体系的构建

客户是激烈的市场竞争中众多企业追逐的焦点,怎样把握住现有高价值的客户,进一步发展具有潜在价值的客户是企业一直不断探索的问题．本文重点对客户价值进行了讨论,并建立了全方位、多角度的客户价值指标评价体系,运用层次分析法对这个指标体系中的指标因子赋以合理的权重,并采用聚类分析法对客户群进行了细分,制定了不同类型客户的管理策略．     

基于客户份额的客户细分方法

在客户关系管理中,对客户进行细分是不可或缺的一步。讨论了使用客户份额进行客户细分的重要性及作用,提出了对不同的客户所采取的不同的市场战略,并分析如何使用这些信息划分客户群。在此基础上,详细分析了一个用客户份额进行细分的实例,使用了k-平均聚类的方法。     

一种基于聚类的过抽样算法

在过抽样技术研究中,为了合成较有意义的新样本,提出一种基于聚类的过抽样算法ClusteredSMOTE_-Boost。过滤小类的噪声样本,将剩余的每个小类样本作为目标样本参与合成新样本。对整个训练集聚类,根据聚类后目标样本所在簇的特点确定其权重及合成个数。将所有目标样本聚类,在目标样本所在的簇内选取K个近邻,并从中任选一个与目标样本合成新样本,使新样本与目标样本簇内的样本尽量相似,并减少由于添加样本而造成的边界复杂度。试验结果表明,ClusteredSMOTE_-Boost算法在各个度量上均明显优于SMOTE_-Boost、ADASYN_-Boost和BorderlineSMOTE_-Boost三种经典算法。     

一种改进BP神经网络模型的新方法

介绍利用自组织神经网络模型及算法对已知样本和未知样本进行聚类,然后将聚类中的样本分别提交给多个BP子网处理来降低BP网络学习复杂度,提高网络准确度的新方法。     

参数可调的自扩展聚类算法及其应用

针对大规模样本聚类的时间复杂度过高和聚类结果对经验参数设置的依赖性过强的问题,提出一种基于密度网格可变参数的自扩展聚类算法.算法将数据空间分割成相同大小的网格单元,再将样本归一化后映射到相应的网格单元中,然后从指定密度较大的网格单元向周围扩展,直到其平均密度达到指定的下限或可扩展的聚类边界为止.聚类过程中,通过下限密度和均值密度限制聚类间的过度扩展,如果有效样本的比率低于阈值,则自适应调整扩展密度并重新聚类.仿真试验表明,本算法可以以较小的时间代价获得较高的聚类精度和有效样本率.     

基于多蚁型的蚁群聚类算法

本文提出了一种多蚁型的蚁群模型和在此模型上的一个具有移动空间的蚁群聚类算法。每个类簇都带有一个移动空间,使同类的蚂蚁紧密地聚在一起。移动空间为每个类簇选出一个代表蚂蚁用来长距离的类簇移动。代表蚂蚁通过连接将类簇中不相似的大量数据移动到与其相似的代表蚂蚁处,减少了蚂蚁的搜索时间,提高聚类性能。针对UCI数据集进行实验,结果表明新算法提高了聚类效果。     

嵌入误分类代价和拒识代价的极限学习机基因表达数据分类

为了实现代价敏感分类过程中的最小平均误分类代价的目的,本研究通过在分类过程中引入概率估计以及误分类代价重新构造分类结果,提出了基于极限学习机(extreme learning machine, ELM)的代价敏感算法CS ELM并在上述算法基础上,引入“拒识代价”,进一步减小了平均误分类代价。算法被运用到基因表达数据集上并与极限学习机、代价敏感决策树、代价敏感BP神经网络和代价敏感支持向量机做对比,可以得出,嵌入拒识的CS ELM算法能够更好地降低误分类代价,使分类结果更加可靠。     

基于RFM的电信客户市场细分方法

提出电信企业客户消费的RFM模型,通过AHP法得到电信行业RFM指标的权重,并应用K-均值聚类法对客户进行分类.分析各类客户的客户等级,并结合指标权重对各类客户进行顾客终身价值比较分析.实证研究表明:本文所提出的模型和方法可以有效地对电信企业客户进行分类.     

基于图像预处理分类分割的盲道分割算法

高准确分割率的盲道分割算法是实现高性能导盲系统的重要保障. 提出一种基于颜色直方图支持向量机方法,将盲道预分类为颜色盲道或纹理盲道,采用对HSV颜色空间的多参数融合的改善OTSU分割方法处理颜色盲道分割,采用基于纹理增强的K均值聚类方法处理纹理盲道分割. 通过有效的预处理分类,可以针对性地根据盲道的颜色或纹理特征进行识别,同时由于采用了改善的颜色和纹理分割算法,极大地改善了对不同种类和环境下的盲道的适应能力. 测试证明,该方法对于测试库图片平均分割准确率可达到90%以上.     

基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别

针对鸣笛抓拍系统会产生误判的问题,提出了一种基于子带谱熵法和支持向量机的汽车鸣笛识别算法. 首先,使用子带谱熵法对声音样本进行初判,将子带谱熵高于阈值的样本直接判定为非鸣笛样本. 然后,对初判为鸣笛的样本中的疑似鸣笛部分进行分割,并提取Mel频率倒谱系数作为声音的特征. 最后,使用支持向量机对分割结果进行进一步分类,并使用粒子群算法与遗传算法的融合来优化支持向量机的参数. 仿真结果表明,该算法具有较好的鲁棒性. 在对实际采集样本的鸣笛识别中,该算法也取得了较高的准确率.     

基于SVM的多类代价敏感学习及其应用

标准的分类器设计一般基于最小化错误率.在入侵检测等问题中,不同类型的错分往往具有不等的代价.通过在支持向量机的类概率输出中引入代价敏感机制,提出了3种基于最小化总体错分代价设计分类器的方法.实验结果表明通过改变代价矩阵,能在漏报率、误报率及稀有类样本的错误率之间调节,从而保证在误报率尽可能小的情况下降低漏报率和稀有类样本的错误率,以减少总体错分代价.     

采用GWO优化SVM的燃气轮机气路故障诊断

将灰狼优化算法和支持向量机算法作为理论指导,并采用灰狼优化算法对支持向量机算法进行优化,以实现燃气轮机故障类型的分类。将灰狼优化算法与遗传算法优化支持向量机方法和粒子群算法优化支持向量机方法进行对比,结果表明,通过灰狼算法优化支持向量机的方法对燃气轮机故障分类的准确率要高于遗传算法优化支持向量机算法和粒子群算法优化支持向量机的故障分类方法。     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。     

New method for recognition of circular traffic sign based on radial symmetry and pseudo-zernike moments

Recognizing various traffic signs,especially the popular circular traffic signs,is an essential task for implementing advanced driver assistance system.To recognize circular traffic signs with high acc...     

基于自适应投影算法和修正核函数算法的混合支撑矢量机

提出了基于自适应投影算法和修正核函数算法的混合支撑矢量机，根据修正核函数算法的正形投影变换，将问题映射到黎曼空间来增大分类面，从而提高支撑矢量机的分类精度，但其缺陷在于它帅两步优化实现的，因此增加了时间复杂度，基于此，混合支撑矢量机使用自适应投影算法对支撑矢量进行预选取，即通过投影从训练样本中选择部分样本作为中心矢量进行训练，实验结果表明：此方法在可分性得到显著提高的同时提高了速度。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。