导读:本文包含了聚类细分论文开题报告文献综述及选题提纲参考文献，主要关键词:数据挖掘,客户细分,特征提取,K-Means
聚类细分论文文献综述
史海洋,虞慧群,范贵生[1]（2019）在《基于聚类算法的客户细分及其优化》一文中研究指出常见的K-Means簇中心初始化算法在数据量较大的时候表现不佳。为改进簇中心初始化过程,借鉴网格聚类与密度峰值的思想,将数据空间划分为网格,通过数据的分布情况选定高密度网格的中心作为初始簇中心。这种方法保证簇中心位于数据分布的高密度位置且不会过于集中,使K-Means算法可以在处理大规模数据时,快速有效实现簇中心的初始化。基于燃气公司提供的数据设计实验,相比需要频繁计算距离的簇中心初始化算法,改进算法的初始化速度有显着加快,验证了其有效性。(本文来源于《计算机工程与设计》期刊2019年11期）
张石[2]（2019）在《SOM-K-Means聚类算法在零售银行客户细分中的应用研究》一文中研究指出大数据背景下零售银行业的竞争日益加剧,根据客户的特征,将客户进行细分,为客户提供差异化的产品和服务是零售银行实现精准营销的有效途径。K-Means聚类算法是客户细分中的一种重要算法,它的基本思想是将具有更多相同特性的样本聚集到一个类中,使不同类中的样本之间尽可能的远离,而同一类中的样本之间尽可能的相近。为了提高客户细分的精度,提出一种自组织特征映射神经网络(SOM)的KMeans聚类算法(SOM-K-Means)。该算法可以解决K-Means聚类算法随机确定聚类个数和初始聚类中心等影响聚类结果准确性的问题。对某零售银行实证研究表明,SOM-K-Means聚类算法对购买某产品客户的数据进行有效的挖掘分析,根据聚类之间客户的不同特征,为不同客户群体提供个性化营销策略。(本文来源于《攀枝花学院学报》期刊2019年05期）
樊玮,张伟[3]（2019）在《分布式聚类算法在航空客票代理人细分中的应用》一文中研究指出为了快速分析航空客票代理人在机票销售市场中所扮演的角色,为不同类型的代理人制定相应的合作与销售方案,针对传统分类方法主观性过强以及集中式系统框架难以进行海量数据聚类分析的问题,提出分布式Canopy-K-means算法对航空客票代理人销售数据进行聚类,并将聚类结果结合市场实际情况进行推测,得到代理人在市场中的角色。结果表明,聚类结果与相关代理人的考核结果相符合,具有实际意义,可为航空公司的代理人管理提供参考。(本文来源于《中国民航大学学报》期刊2019年03期）
王增臣,周良[4]（2019）在《基于稀疏模糊聚类的物流客户细分研究》一文中研究指出针对数据密集的物流企业客户细分问题,提出了一种基于稀疏模糊聚类的物流客户细分方法。在数据预处理阶段,结合物流客户价值特点对传统RFM模型进行改进,构建了物流客户价值指标体系,提高了物流聚类细分数据集合的准确度和全面性。在聚类细分阶段,引入稀疏聚类方法改进FCM算法进行特征选择并提高聚类方法性能,最终得到物流客户细分结果。实例测试及与其他算法比较表明,该方法有更好的细分效果和稳健性,可以有效识别出不同价值的物流客户群体,为企业决策分析提供依据。(本文来源于《机械设计与制造工程》期刊2019年06期）
谢钟扬[5]（2019）在《基于Python的聚类方法在电商客户细分中的应用和探索》一文中研究指出在本篇文章当中主要是以Python为编程语言和机器学习库Scikit-Lear为工具,来对某个电商的库户数据进行分类,从而建立起客户的价值评估模型,文中可以清晰的看到聚类过程,并且使用肘方式和轮廓系数来对建立的模型来进行一个有效的定量分析。(本文来源于《数字技术与应用》期刊2019年03期）
王建,尹利飞,许家栋[6]（2019）在《基于聚类分析的LNG客户细分研究及应用》一文中研究指出随着国家大力推动清洁能源行业的发展,LNG(液化天然气)市场竞争愈发激烈,LNG客户关系管理显得愈发重要。如何细分客户,识别价值客户及其消费特征已经成为LNG企业维系客户、提高核心竞争力的重要手段。本文首先阐述了LNG客户细分的背景和意义,由此引申出数据挖掘方法中的聚类分析技术,并将其引入到LNG企业的客户细分中。基于K-means算法,结合LNG行业的特点,在传统RFM客户分类模型的基础上,设计了一种改进型的RFMST模型。基于该模型对某大型能源企业存量客户进行了分类研究,并验证了模型的可行性和有效性。通过本文的研究来识别LNG企业的客户信息,对客户进行分类管理,为LNG企业了解客户、挖掘潜在价值客户、实现差异化营销提供有力的帮助。(本文来源于《化工管理》期刊2019年06期）
李明杨[7]（2019）在《基于无监督K-means聚类方法的移动公司客户细分研究》一文中研究指出伴随互联网技术全球化进程的加快,数据的爆炸式增长推动了大数据时代的到来。如何有效地从这些复杂的多元数据中挖掘出其中的有价值信息,成为当今时代急需解决的难题之一。本文利用数据挖掘领域经典的K-means聚类算法,对某移动通讯运营商的客户通话行为数据进行分析,将所有客户按照其显着特点细分为五种典型的客户群体。针对每一类客户群,运营商可以制定具有针对性的营销策略,推行个性化的服务,将有限的资源集中于高价值商用客户,发展、保持中端客户以及普通客户,保持良好稳定的客户公司关系,提升自身竞争力,最终实现企业自身利益的长远增长。(本文来源于《通讯世界》期刊2019年02期）
张加贝,徐云,周崇东,段沛恒,应黎明[8]（2018）在《基于加权FCM聚类算法的电力市场主体价值细分》一文中研究指出随着参与市场化交易的市场主体数目的日益增多,市场主体进行价值细分对电力交易中心提供优质、有效的服务具有重要作用。考虑到传统单一的聚类算法在确定评价指标权重上的主观性,结合电力交易中心的工作目标和市场主体的历史交易等数据,建立电力市场主体价值评价指标体系,在指标体系的基础上对电力市场主体进行聚类分析,提出加权FCM聚类算法,并通过实例验证该算法的有效性。运用该算法对某电力交易中心981个市场主体进行聚类分析,并得到一组优化的特征权重矩阵,将市场主体分为高价值型、低价值型和成长型3类。最后总结不同类别市场主体的价值特点,并对电力交易中心如何优化服务资源提供建议。(本文来源于《电力科学与技术学报》期刊2018年04期）
包志强,赵媛媛,赵研,胡啸天,高帆[9]（2018）在《基于RFA模型和聚类分析的百度外卖客户细分》一文中研究指出针对百度外卖行业具有的客户数量大、消费数据多、维度多等特点,提出一种基于客户消费行为视角的改进RFM模型。采用层次分析算法确定模型中各个变量的权重,并在此基础上采用K-Means聚类算法进行客户细分,计算确定客户对于商家的个人价值。数据分析结果表明,基于改进RFM模型的客户细分方法可以使商家对不同价值的客户采取针对性的策略。(本文来源于《计算机科学》期刊2018年S2期）
崔永生[10]（2018）在《基于灰聚类方法的我国银行信用卡客户细分》一文中研究指出3D(大数据、数字化、发展中经济体)背景下金融行业领域的竞争日益加剧,优质客户成为金融企业争夺的焦点。如何有效地、精确地运用客户细分的理论和方法,定位标识自己的核心客户群,是企业实现精准营销盈利目的的唯一有效途径。RFM模型是衡量客户价值和客户创利能力的重要工具和手段,K-means聚类结合RFM模型是一种目前企业客户细分应用中普遍采用的组合方法。如果K-means聚类结合传统的RFM模型来做客户细分,由于RFM指标取值范围通常具有灰性,需要人为经验判断,所以在指标取值上具有强主观性,会影响客户价值评价结果的准确性。为此本文针对这一问题,采用灰聚类分析技术,依据我国某商业银行信用卡客户个人信息和卡消费交易统计数据,构建了基于灰聚类的RFM两阶段细分模型,并作了实证分析。分析结果表明,此模型解决了RFM指标灰色属性取值难以度量的问题,同时对银行客户细分简单有效,结果可以为营销决策提供参考依据。(本文来源于《中国商论》期刊2018年21期）
聚类细分论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
大数据背景下零售银行业的竞争日益加剧,根据客户的特征,将客户进行细分,为客户提供差异化的产品和服务是零售银行实现精准营销的有效途径。K-Means聚类算法是客户细分中的一种重要算法,它的基本思想是将具有更多相同特性的样本聚集到一个类中,使不同类中的样本之间尽可能的远离,而同一类中的样本之间尽可能的相近。为了提高客户细分的精度,提出一种自组织特征映射神经网络(SOM)的KMeans聚类算法(SOM-K-Means)。该算法可以解决K-Means聚类算法随机确定聚类个数和初始聚类中心等影响聚类结果准确性的问题。对某零售银行实证研究表明,SOM-K-Means聚类算法对购买某产品客户的数据进行有效的挖掘分析,根据聚类之间客户的不同特征,为不同客户群体提供个性化营销策略。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
聚类细分论文参考文献
[1].史海洋,虞慧群,范贵生.基于聚类算法的客户细分及其优化[J].计算机工程与设计.2019
[2].张石.SOM-K-Means聚类算法在零售银行客户细分中的应用研究[J].攀枝花学院学报.2019
[3].樊玮,张伟.分布式聚类算法在航空客票代理人细分中的应用[J].中国民航大学学报.2019
[4].王增臣,周良.基于稀疏模糊聚类的物流客户细分研究[J].机械设计与制造工程.2019
[5].谢钟扬.基于Python的聚类方法在电商客户细分中的应用和探索[J].数字技术与应用.2019
[6].王建,尹利飞,许家栋.基于聚类分析的LNG客户细分研究及应用[J].化工管理.2019
[7].李明杨.基于无监督K-means聚类方法的移动公司客户细分研究[J].通讯世界.2019
[8].张加贝,徐云,周崇东,段沛恒,应黎明.基于加权FCM聚类算法的电力市场主体价值细分[J].电力科学与技术学报.2018
[9].包志强,赵媛媛,赵研,胡啸天,高帆.基于RFA模型和聚类分析的百度外卖客户细分[J].计算机科学.2018
[10].崔永生.基于灰聚类方法的我国银行信用卡客户细分[J].中国商论.2018