聚类算法在客户细分中的应用研究

经济的快速发展,企业的相互竞争,使得企业对客户的个性化服务提出更高的要求,聚类分析是在数据挖掘的基础上,根据用户的行为模式,将具有相似属性的用户分为一簇.通过改进的聚类算法,选取离得尽可能远的客户作为初始中心,努力得到客户群一个比较好的初始划分,提高聚类质量,为企业了解客户、挖掘客户、制定营销策略,提供有力帮助.     

基于改进K-means聚类的变压器开关机械性能自动监测方法

摘键要：变压器开关系统的可靠性是保障电力系统稳定的重要因素,其性能会直接影响变压器工作的稳定性、可靠性和安全性。变压器开关系统的失效形式主要为机械性故障,为实现其自动监测,设计基于改进K-means聚类算法的电力变压器开关控制器在线监测系统,通过对算法的聚类中心的选择进行优化,建立通过不同振动信号下开关工作状态的模型,构建具备智能判断、自适应调节、远程故障诊断的分布式智能监控系统。实验表明,基于改进K-means算法的电力变压器开关控制器监测系统能够更准确根据振动信号识别开关系统的故障,为变压器故障识别提供了一种新的思路。     

基于改进K-means聚类的木材缺陷彩色图像分割算法研究

为实现木材缺陷图像的准确分割,研究了在RGB色彩空间使用K-means聚类算法进行木材缺陷图像的分割方法,针对K—means聚类算法图像分割的不足之处,并提出了一种改进方案。在改进算法中,加入对图像像素点的邻域处理,根据邻域特性适时调整原图像,充分利用图像像素的区域特征,以此来抑制一些局部噪声。实验结果表明,改进算法不仅能够滤除较多的干扰信息,而且能更好的拟合分割边界,改善图像的分割效果。     

基于改进密度峰值聚类的航空发动机故障诊断

针对快速搜索发现密度峰值聚类(CFSFDP)算法存在的密度中心选择不方便、聚类精度不高的问题,提出基于马氏距离的自动搜索发现密度峰值的聚类算法。该算法将马氏距离引入距离测定中,提高了聚类精度;提出聚类中心判定参数γ,自动获得了聚类中心。采集航空发动机转子模拟振动信号实验数据,分别采用传统CFSFDP算法、改进后的CFSFDP算法、K均值聚类和模糊C均值聚类进行分析,结果表明,所提算法能够很好地改善聚类精度,其聚类精度相比K均值聚类和模糊C均值聚类有很大优势,且在故障特征的分类与识别上均优于其他两种算法。     

基于K-means和高斯混合模型聚类的齿轮箱故障识别研究

针对传统的基于振动信号的机械故障诊断技术过于复杂、诊断时间过长等问题,提出了结合K-means和高斯混合模型聚类方法的齿轮箱轴承和齿轮故障快速识别方法.首先,通过经验模态分解方法分解振动信号,利用相关分析选取了对振动信号局部特征表达最佳的IMF分量,IMF分量的均方根值和原始振动信号的均方根值,共同构成了振动信号特征集...     

基于客户定制的汽车产品配置方法研究

生活质量的不断提高,人们对汽车产品的需求越发多样化。基于客户定制的需求,阐述了产品配置技术理论,设计了一种产品配置方案;以汽车产品为例,建立了汽车产品配置流程,为汽车产品实现客户个性化定制提供技术支持。     

基于改进K-means聚类定心算法的曲轴轴颈圆度误差评定

曲轴轴颈的圆度误差作为曲轴必检的核心尺寸,直接影响曲轴的寿命和性能。针对圆度误差求解数据量多和计算复杂的问题,提出一种基于改进K-means聚类定心算法的圆度误差评定方法。该算法通过对轴颈采样通道的样本点进行环形聚类获得集合U_K,同时以设计的目标控制器剔除U_K的噪声点,以U_K的最小二乘法圆度评定误差f_m来估计整个环形样本的误差。聚类值从K=5循环迭代增加,直至f_m符合预设统计质量控制规划。评定结果表明,聚类定心算法的圆度误差评定方法能实现曲轴圆度误差的高效、精确评定。     

基于曲面细分与变形的汽车造型设计方法

基于曲面细分与变形原理,提出由设计师提供带有多个变形通道信息的初始汽车简单曲面造型,造型细节则交由用户在可全局或局部变形的曲面模型上直接调整,结合用户反馈的参数调整数据获得最终汽车造型方案的设计方法。该方法的应用过程中,用户参与了设计工作,在对汽车造型进行评价的同时进行了形态的再设计,可以有效表达用户对汽车造型风格的个人期望,也使设计师获得多个用户对汽车造型期望的直接数据。该方法操作简便,可迅速获得多个汽车造型方案,从而提高汽车造型设计效率。     

基于K-means聚类算法的电驱产线监测模型的建立与软件实现

新能源汽车的电驱动总装呈现典型的离散型生产特征,现各大主机厂通过MES实现生产数据的信息化,存在数据利用不足的问题.基于K-means聚类算法实现产线在线或离线监测,对MES采集到的生产数据进行分析,根据数据分析的结果建立电驱产线监测模型;现场试运行效果表明该产线监测模型对生产过程的管控和优化效果良好.     

改进连续隐马尔可夫模型的有杆抽油故障诊断

利用人工智能诊断有杆抽油系统故障时,描述工况的示功图成为机器学习的对象,提取示功图特征和建立诊断模型是主要步骤。已有的依据阀门工作位置的几何特征未能直接反映示功图的面积,因此提出一组改进的训练特征,并采用连续隐马尔可夫模型(CHMM)建立诊断模型。为了使参数的初始化更可靠,使用与混合高斯模型相关联的K-means聚类算法。将本文提出的诊断方法用于真实油井的示功图集进行测试,结果表明,本文方法不仅有效,而且改进的训练特征和建模方法都提高了诊断的准确率。     

基于大数据分析的变频器异常检测方法

变频器设备机理复杂、设备监测数据异常样本少,导致在实际应用中基于经验和基于模型的异常检测方法操作性难、常规的数据驱动方法可行性差.针对上述问题,结合密度峰值聚类与时序运行数据的转移特点,提出一种基于大数据分析的变频器异常检测方法.该方法首先通过密度峰值聚类将运行数据聚类,然后将时序过程数据在不同类簇间的动态变化规律用概...     

基于K-means聚类与最大类间方差的磨粒彩色图像分割

针对在HSI颜色空间下存在的图像的二维颜色分量分布散乱不紧密,存在聚类中心计算错误,利用二维颜色分量很难将背景和磨粒准确分割开,分割完的铁谱图像仍包含许多不需要的微小磨粒等问题,提出采用K-means聚类与最大类间方差的图像分割方法。分别选取球粒、切削磨粒、严重滑动磨粒、红色氧化物、疲劳磨粒的彩色图像,在Lab颜色空间下利用二维颜色分量进行聚类分析及最大类间方差阈值分割,并进行三维数学形态学处理。结果表明,提出的方法实现了小磨粒与目标磨粒的有效分割,可以得到较为完整的彩色磨粒图像,为磨粒的颜色参数识别提供有效的依据。     

基于购买行为的客户分类方法研究

在序列对齐方法的基础上,提出了客户购买行为的相似比较标准。在比较过程中,考虑了客户购买产品的类别和相应产品的购买金额,给出了快速计算客户购买行为相似度的算法。在此基础上,对客户聚类应用模拟退火遗传算法改善聚类的质量,使每一类客户具有更相似的购买行为。实例分析结果表明,所提出的方法能够有效地根据购买行为对客户加以分类。     

基于RFMI模型的家电产品定制服务的客户价值研究

现代信息技术、制造技术和管理技术的融合促使服务型制造的快速发展。服务型制造是先进制造业和现代服务业深度融合的重要方向,其中“以客户为中心”的服务理念是实施产品定制的关键。为了有效地为家电制造业的不同客户提供更好的服务,提出RFMI模型,通过定制客户价值研究、数据处理和构造指标,采用熵权法进行指标客观赋权,K-means++算法对客户群体进行聚类划分,得到不同等级的客户群体,然后针对每个客户群体分析给出不同的市场策略。实验研究表明,该模型能有效地对企业客户进行划分,同时直观地反映出客户群体的当前价值、潜在价值和客户价值,为企业提供更加精准的决策和建议。     

基于外形特征的三维模型聚类方法研究

针对实际应用中三维模型数据集的模型分类管理、检索聚类预处理等聚类问题,提出了一种基于划分方法的无监督聚类模型。该模型通过以傅里叶矩不变算法为基础的特征提取算法,综合运用了现有聚类算法,将特征提取和聚类计算有效结合起来,充分考虑了聚类模型数据格式的敏感性问题。计算结果表明,该方法对有一定类结构的数据集在有整体聚类效果的情况下有一定的局部最优性。     

面向绿色设计的产品客户群细分

分析了产品全生命周期客户绿色需求特点,提出了绿色产品客户群细分方法.通过联合分析法获取客户个体的绿色需求偏好,利用系统聚类法对离散的客户个体按绿色需求偏好进行客户群聚类,实现了绿色产品客户群的细分.以面向绿色设计的豆浆机产品客户群细分为例,验证了该方法.     

基于综合价值的中间商客户细分研究

文章通过对现有中间商客户细分方法存在问题的分析,论述了以综合价值为基础的中间商三维细分法,并着重时每类中间商的特点及相应的管理策略进行了阐述.     

融合密度峰值和空间邻域信息的FCM聚类算法

针对模糊C均值(FCM)算法聚类结果对初始中心点敏感以及聚类过程中没有考虑到不同密度样本点在聚类过程中影响力不同的缺陷,提出了一种密度峰值和样本点空间邻域信息优化的FCM算法。改进后的算法选择数据集中具有局部密度峰值的样本点或者局部密度较大的样本点作为初始聚类中心,充分考虑样本点邻域之间的关系,增加局部密度值大的样本点在聚类中心迭代计算过程中的影响力,从而达到优化FCM算法聚类效果的目的。理论分析和在人造数据集、加州大学欧文分校(UCI)机器学习数据库中真实数据上的实验结果表明,改进后算法的抗噪性、聚类效果和全局收敛能力均优于传统FCM算法。     

基于K-means方法的热力运维辅助系统设计

热力系统的智能化故障预测、诊断与维护对提高热力系统运维水平,提高热力系统能源效率,保障热力系统安全性与可靠性具有重要意义。本文对基于SCADA设备信息使用无监督学习K-means方法,建立热力运维预警模型并最终给出相应的分类的问题进行了研究。最终,实现了基于此理论所构建的预警模型,并在此基础上建立了基于大数据分析的智慧热力运维辅助系统,显著提高了热力企业运营效率。     

基于客户满意的产品定制模型研究

为了给定制客户提供最满意的定制产品,依据定制产品的属性指标对定制客户满意度的影响,将定制产品的属性指标分为正相关指标、负相关指标及点指标三类,采用统计分析及曲线拟合方法得到了三类指标的客户满意度,并建立了一种基于客户满意的企业产品定制模型。用矩阵法和相似性原理法对产品定制模型进行了求解,以客户定制摩托车为例对以上两种求解算法进行了验证。计算结果表明,两种算法得到的产品定制模型解完全一致,从而得到了基于客户满意的定制产品最优方案。