改进K—means算法实现移动通信行为特征分析.PDF

第2l卷 第6期 计 算 机 技 术 与发 展 Vol_2l No．6 2011年6月 COMPUTERTECHNOLOGY AND DEVELOPMENT June 201l 改进 K—means算法实现移动通信行为特征分析 何 云，李 辉，姚能坚，赵榕生 (广州军区空军指挥 自动化工作站，广东广州510071) 摘 要：K-means算法被广泛用于客户细分聚类应用研究，客户细分对移动通信行业具有重要的商业价值。但变量的量 纲、维度、聚类数、初始聚点等参数的计算是影响K—means算法聚类应用效果的重要 因子。在基于 K—means算法移动通信 行为特征分析系统的实现过程中，分别从特征维度选择、变量量纲统一、聚类数 K值与初始聚点的确定等四个方面改进算 法的上述影响参数的计算方法，并利用经验加权的方式使算法与主观经验结合。研究结果表明改进 K—means算法对移动 通信特征分析客户聚类有效。 关键词 ：客户细分 ；K—means；影响因子 中图分类号：TP301．6 文献标识码：A 文章编号：1673—629X(2011)06—0063—03 ApplicationofImprovedK-M eansAlgorithm inM obile CommunicationBehavioralCharacteristicAnalysis HEYun，LIHui，YAONeng-jian，ZHAORong-sheng (CommandAutomationOffice，GuangzhouMilitaryRegionAirForce，Guangzhou510071，China) Abstract：K-menasalgorithm iswidelyusedtocustomersegmentationclusteringapplicationresearch，customersegmentationofmobile hasimportantcommercialvalue．Butdimensionunit，dimensionofvariable，clusternumbers，initialcentroids，etc．cal- culationofhteseparametersisimportantfactorofinfluencingK—meansalgorithm clusterapplicationresult．BasedonK-menasalgorithm mobilecommunicationbehaviorcharacteristicnaalysisprocessofimplementing，respectivelyfrom thecharacteristicdimensionsselection， variabledimensionunitunity，clusternumberKvaluenadinitial centroidsdeterminationfouraspects，improvethedetemr inationofthea— bovealgorithmaffectsparmaeterscalculationmehtod，utilizeexperienceweightingwaytomakealgorihtmbindwiht subjectiveexperi— ence，Theresultofstudyindicatesthataccordingtobehavioral chraacteristicnaalysisimprovingK—meansalgorihtm willsubdividethe clustertothemobilecommunicationcustomereffectively． Keywords：customersegmentation；K—menas；influencingfactor 0 引 言