共查询到17条相似文献,搜索用时 93 毫秒
1.
2.
近年来,中国市场进入存量博弈时代,人口红利向人心红利转变,共同推动产业的迭代升级的迫切性日益凸显,对千人千面服务的要求也越来越高。为了解决这一问题,提出了结合K-Means聚类算法实现客户分群来优化客户体验管理。其中,K-Means聚类算法可以寻找出K个不同组别的簇,并将该组别所包含数值的均值作为各组别的核心。聚类结果可为后续各类客户提供的精细化服务和优化客户体验管理提供重要依据,实验表明,使用K-Means聚类的客户分群比使用其他聚类算法精准度更高,花费时间更短。 相似文献
3.
针对传统K-Means聚类算法的不足,提出一种新的对孤立点不敏感的K-Means聚类算法。首先,采用孤立点移除算法消除数据集中存在的孤立点;然后,对不包含孤立点的数据集进行传统K-Means聚类,再引入轮廓系数并选择轮廓系数最大值对应的簇类数作为数据集中簇的最优选择数目K;最后,通过自定义的聚类有效性评价函数评估聚类效果。实验结果表明,相对于传统K-Means聚类算法,对孤立点不敏感的新的K-Means聚类算法能够消除孤立点对数据集整体的影响,并优化了聚类中心的选择。 相似文献
4.
提出了基于K-Means算子的混合粒子群优化算法聚类,将K-Means算法的局部搜索能力与粒子群优化算法的全局寻优搜索能力相结合,根据群体适应度变化的情况自适应调整权重,并对种群中性能较差的粒子进行交叉选择,能充分挖掘群体本身信息,又能不断引入附加信息.数据集仿真实验表明,该算法有效的克服了传统粒子群优化算法过慢收敛和K-Means算法陷入局部收敛的问题,从而得到更好的聚类效果. 相似文献
5.
在大数据和互联网技术快速发展的背景下,行业发展在需要做好自身品牌的质量下与新兴技术相结合,打通行业间相融的通道.旅游业作为国家和地方省份经济发展的重要因素之一,更要在这个时代的风口浪尖做出革新和突破.相比以往旅游行业通过财务报表和人工统计的方法制定方针的策略,使用算法对景区数据尤其是高受众面、高流量的网络数据进行分析成... 相似文献
6.
个性化服务中的并行K-Means聚类算法 总被引:1,自引:0,他引:1
K-Means聚类算法在基于Web日志的个性化服务领域得到广泛的应用,但是在处理海量数据过程中,传统的(单机)K-Means聚类算法存在着可扩展性差、效率低下、运行时间长等缺点,在充分研究传统K-Means聚类算法的基础上,发现K-Means聚类算法中蕴含的并行性,提出了一种基于用户的并行处理K-Means聚类算法,并将该并行算法应用到个性化服务中对网站用户进行聚类,有效地缩短了用户聚类的时间。 相似文献
7.
8.
基于K-Means算法的雷达信号预分选方法 总被引:1,自引:0,他引:1
K-Means算法在雷达信号预分选中有着广泛的应用,传统K-Means算法对聚类个数以及聚类中心的初始设定依赖性很大,并且对噪声和孤立点很敏感,针对这些不足,文中提出了一种将距离法与改进的K-Means算法相结合的雷达信号预分选方法。仿真实验表明提出的方法可以有效的降低了噪声和孤立点对K-Means聚类算法的影响。 相似文献
9.
10.
提出了一种基于时间戳和关键字的聚类算法来解决告警数据种类繁多且难以提取关键信息的问题。首先,对告警数据中的最新发生时间进行K-Means聚类;其次,基于告警数据开始时间进行K-Means二次聚类;再次,使用具有噪声的基于密度的聚类算法(Density-Based Spatial Clustering of Application with Noise,DBSCAN)对每列关键字进行聚类;最后,对结果进行了整合,并给出了关联性描述结果。实验结果表明,通过上述聚类算法构建的告警数据分析与处理模型的平均压缩率为79.28%,平均准确率达到93.41%,能够有效提高对现有告警数据的具象化描述能力,降低告警数据理解的复杂度。 相似文献
11.
12.
基于层次的K-均值聚类 总被引:2,自引:1,他引:1
介绍一种基于层次的K-均值聚类算法(HKMA)。在统计力学的基础上,对传统K-均值聚类划分矩阵里的元素("隶属"概率)做了形式上的改变,并引入一个调控实际聚类数目的因子。这样,在对同一组数据集进行聚类时,调控因子值不同,结果得到的类数目就不同。用一组二维正态分布的数据集和一组用来测试聚类算法的标准数据集(Iris数)进行测试,结果表明该算法具有层次聚类的性质和较满意的聚类精度。 相似文献
13.
14.
15.
综合布线的测试和验收 总被引:1,自引:0,他引:1
目前综合布线系统已得到了广泛应用,但广大用户并未认识到综合布线系统测试的重要性,本文全面地介绍了综合布线测试的重要性、测试标准、测试电气技术参数的测试原理。 相似文献
16.
17.
本文提出样本空间经过K-均值聚类算法聚类加工处理后,算法通过动态地调整选择路径概率,优化TSP求解过程中解的分布均衡性,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。这种新的算法提供了在样本空间预处理情况下,动态自适应地解决TSP问题最优解的新方法。比起普通蚁群算法,此算法对大规模数据的最优解的求解更有显著效果。 相似文献