聚类算法在电子商务客户细分中应用研究.pdfVIP

第四章提出了本文的核心内容——基于半监督近邻传播的改进k—means算 法(SAPK—means算法)，从算法提出的意义、算法的具体流程、以及算法的验证 实验三个方面进行了详细的阐述。验证实验表明，SAPK—means算法有效的排除 数据集中的噪声数据和孤立点，得到了高质量的初始聚类中心，从而有效的提高 了聚类精度；并对聚类的准确率以及簇间的紧密程度等都有一定程度的提升。 SAPK—means算法与文中介绍的k—means算法、AP算法相比，可以取得更好的聚 类效果。 第五章将SAPK—means算法应用于某化妆品网站客户数据进行客户细分。详 细论述了SAPK—means算法应用于客户细分中的步骤，对该算法的实现和性能分 析进行了详细的描述，并对细分结果进行了详细的分析，对营销策略提出了可行 性建议。在同一批数据样本中使用AP算法、k—means算法和SAPK—means算法进 行客户细分，细分结果表明SAPK—means算法能够有效排除样本数据集中的噪声 点，并在细分结果的质量上优于其他两种算法。 最后对全文进行了总结，并指明了下一步的研究和工作方向，对改进 k—means算法的进一步发展以及在客户细分方面的应用提出了自己的看法。 关键词：聚类算法；k—means算法；AP算法；客户细分 I ri Al j thmUsi i cati onofCuste ng Researchon I ng gor App i nCustomer i on Segmentat Abstract aIld ofeconomic ne坩ork，increaSing Wimme development computer rapid tllatcustomerreS伽鹏es a m呔es s的n醇y咖d酬a11d play compallies competition to仃锄s衍俄}m vitalr01efortlle of So stan wi肌ingeIlte删ses．comp越es mainworkstans舶m tocustomer-centric retailling model mode，lhe product．celltric and neW mode扛ansf瓠舶m customers cuStomers，marketing existing developing oronetoone inorderto to s仃ategy mafketing mass prosecution marketingdiscr印a11t tlle a