1、聚類分析是在無先驗知識、無指導(dǎo)下進(jìn)行數(shù)據(jù)分析的一種數(shù)據(jù)挖掘技術(shù)。通過先進(jìn)算法的恰當(dāng)采用，發(fā)掘潛藏的有價值的信息，提高數(shù)據(jù)分析和解釋的質(zhì)量。在現(xiàn)實世界中，許多客觀事物之間的界限往往是模糊的，對事物進(jìn)行分類時就必然伴隨著模糊性，由此產(chǎn)生了模糊聚類分析。將模糊聚類應(yīng)用到客戶細(xì)分中，相對硬聚類能更好地體現(xiàn)客戶特征，從而幫助營銷人員制定出更有針對性的營銷策略，以提高客戶的價值貢獻(xiàn)。 本文在介紹聚類分析以及模糊理論的基本概念和相關(guān)知識的基礎(chǔ)

2、上，闡述了模糊C均值算法(FCM)的基本原理和步驟。從模糊劃分矩陣、度量方式、加權(quán)指數(shù)m、數(shù)據(jù)類型和聚類有效性幾個方面綜述模糊C均值算法的研究情況，并對聚類趨勢分析的研究進(jìn)行了重點介紹。在綜述了模糊聚類的研究情況后，針對模糊C均值算法存在的問題提出了改進(jìn)算法。首先，一般基于歐氏距離的FCM算法只能檢測超球體結(jié)構(gòu)的數(shù)據(jù)子集，不能差別對待樣本的不同屬性，針對這個問題提出了基于馬氏距離的MFCM算法，提高了聚類效果。然后針對FCM算法容易陷入

3、局部優(yōu)化的問題，將基于馬氏距離的MFCM算法與遺傳算法結(jié)合，并對這種混合算法的遺傳算子做了相應(yīng)改進(jìn)，得到GMFCM算法。并從聚類正確率、收斂速率和對初值的敏感性三個方面對改進(jìn)算法的性能進(jìn)行了測試。最后，將改進(jìn)的模糊聚類算法應(yīng)用到電信客戶細(xì)分中。實驗數(shù)據(jù)為某電信公司的小靈通業(yè)務(wù)數(shù)據(jù)，對這些數(shù)據(jù)經(jīng)過預(yù)處理等過程后，選定客戶的呼叫行為和消費行為屬性作為細(xì)分變量。對客戶數(shù)據(jù)作了聚類趨勢分析及聚類有效性分析后，使用matlab編程實現(xiàn)了改進(jìn)算法對