1、隨著通信業(yè)務(wù)的發(fā)展,要求國內(nèi)通信企業(yè)的運營模式由以產(chǎn)品為中心逐步向以客戶數(shù)據(jù)為中心、以信息為基礎(chǔ)的國際先進(jìn)模式轉(zhuǎn)變,客戶細(xì)分成為該經(jīng)營模式的前提和基礎(chǔ)。如何根據(jù)客戶消費行為對客戶進(jìn)行合理的細(xì)分,對不同的客戶提供適合其特點的個性化服務(wù),為客戶創(chuàng)造價值,同時使企業(yè)利潤達(dá)到最大化,己成為通信運營商關(guān)注的焦點。數(shù)據(jù)挖掘聚類技術(shù)能有效的將具有相同特征的客戶聚為一類,為企業(yè)進(jìn)行客戶細(xì)分提供了技術(shù)支持。
　　 本文對k-means算法進(jìn)行改進(jìn)

2、研究并應(yīng)用于通信行業(yè)客戶細(xì)分中,主要工作如下:
　　 剖析了聚類分析中的經(jīng)典k-means算法,闡述了算法思想和基本流程,分析了該算法的優(yōu)點和不足以及現(xiàn)有的改進(jìn)算法,重點分析了k-means算法對初始聚類中心的依賴性以及k-means算法處理海量數(shù)據(jù)時的時間效率低的缺陷。
　　 針對這兩點不足,提出一種改進(jìn)算法。改進(jìn)算法取盡可能離得遠(yuǎn)的樣本點作為初始聚類中心,這樣可以避免經(jīng)典算法隨機選取初始中心時很可能出現(xiàn)的聚類中心過于

3、鄰近的現(xiàn)象,有效防止了目標(biāo)準(zhǔn)則函數(shù)陷入局部最優(yōu)。另一方面,改進(jìn)算法在計算和比較樣本點間的距離時,將三角不等式原理引入到k-means算法中,避免一些不必要的比較和距離計算,提高了算法的時間效率。然后通過仿真實驗來驗證改進(jìn)算法在聚類效率、聚類穩(wěn)定性和時間效率上均優(yōu)于經(jīng)典k-means算法。
　　 最后將改進(jìn)的k-means算法應(yīng)用到電信客戶細(xì)分中,得到了比較理想的細(xì)分結(jié)果,并對結(jié)果進(jìn)行分析,從而對不同的客戶群制定不同的營銷策略,為