微粒群并行聚类在客户细分中应用.docVIP

微粒群并行聚类在客户细分中应用 　　收稿日期：2007-11-22；修回日期：2008-01-07 　　基金项目：重庆市自然科学基金资助项目(CSTC2007BB2406) 　　 　　作者简介：王华秋(1975-),男,重庆人,副教授,博士后,主要研究方向为数据挖掘(wanghuaqiu@);廖晓峰,男,四川人,教授,博导,主要研究方向为计算智能.??* 　　 　　(1?? 重庆大学 计算机学院，重庆400030；2?敝厍旃ぱг? 计算机学院，重庆 400050) 　　摘 要：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。 　　关键词：并行聚类；自适应；微粒群优化；电信客户细分 　　中图分类号：TP18 　　文献标志码：A 　　文章编号：1001-3695(2008)10-2987-04 　　Customer segmentation application of PSO parallel cluster 　　WANG Hua-qiu1,2, LIAO Xiao-feng1 　　(1. College of Computer, Chongqing University, Chongqing 400030, China;2. College of Computer, Chongqing Institute of Technology, Chongqing 400050, China) 　　Abstract:The paper presented the parallel cluster algorithm of adaptive particle swarm optimization, which adopted task parallelization and partial asynchronous communication to decrease the computing time. The proposed algorithm combined the fast search optimum ability of parallel particle swarm optimization with parameters dynamical optimization property of adaptive. It could maintain the individual diversity and restrain the degenerate phenomenon. Finally, the presented algorithm was used to analyze the telecom customer segmentation. The experiments indicate the presented algorithm on the cluster maintains pre-ferable accuracy, the speed-up and scaled-up. 　　Key words：parallel cluster; adaptive; particle swarm optimization; telecom customer segmentation 　　 　　0 引言 　　客户细分就是企业在收集和整理客户信息资料的基础上，依据客户(包括消费者和分销商)的需求特点、购买行为、购买习惯、信誉状况等方面的明显差异，将某一产品的客户整体划分为若干个客户群的客户分类过程[1]。在商业决策支持应用中，需要用到聚类算法计算出需要的结果。由于聚类处理对象多为海量数据库和高维数据类型，算法计算的时间和空间复杂性很高[2]。聚类算法一般分为以下两种： 　　a) 硬聚类并行算法。这类算法在统计和数据库领域得到大量的研究和应用，早期有K-Means、K-Mediods，以后又有面向大规模数据库系统的BIRCH算法，处理非数值属性聚类的CACTUS算法[3]、处理空间数据的STING算法[4]、子空间聚类算法ENCLUS[5]等。这些并行聚类算法是基于共享存储系统等低通信延迟系统的，在设计算法时没有将通信代价作为重点来考虑。因而这些算法往往采用数据并行的设计思想，将局部聚类模式分布在各个计算节点中，以便可以并行地进行聚类模式匹配。这一过程中，匹配过程的启动及结果的收集和比较都需要通信。也就是说，处理的每―步