1、面對經(jīng)濟全球化和和全球經(jīng)濟信息化的發(fā)展趨勢，提高信息技術(shù)在社會經(jīng)濟諸領(lǐng)域的應(yīng)用水平是最終推動經(jīng)濟和社會的發(fā)展的必由之路。自八十年代以來，人工智能轉(zhuǎn)入實際應(yīng)用，并提出了一個新興的、面向商業(yè)應(yīng)用的研究課題――數(shù)據(jù)挖掘。 數(shù)據(jù)挖掘技術(shù)在國外早己被應(yīng)用于零售業(yè)的銷售預(yù)測和分析、金融業(yè)的客戶信用分析及客戶欺詐分析、電信業(yè)的客戶價值分析和銷售預(yù)測等方面。面臨日益激烈和復(fù)雜的競爭環(huán)境，國內(nèi)企業(yè)也逐漸加快了信息化的步伐，在電信行業(yè)，各大電信運營

2、商已經(jīng)建立或正在建設(shè)以數(shù)據(jù)倉庫技術(shù)為基礎(chǔ)，以聯(lián)機分析處理和數(shù)據(jù)挖掘工具為手段的企業(yè)經(jīng)營分析系統(tǒng)，用以通過對業(yè)務(wù)運營系統(tǒng)日常積累的大量歷史數(shù)據(jù)進行智能化分析，揭示企業(yè)運作和市場情況，從而幫助管理層做出正確明智的經(jīng)營決策，進而提高企業(yè)的市場競爭力。 論文對數(shù)據(jù)挖掘的基本方法之一聚類技術(shù)進行了較全面的比較研究，并利用改進的聚類算法來細分電信業(yè)客戶，從而達到可識別具有相似特征的客戶群，成為分析客戶和形成市場策略的基礎(chǔ)，真正做到在恰當(dāng)?shù)臅r

3、間，通過恰當(dāng)?shù)那?，為恰?dāng)?shù)目蛻籼峁┣‘?dāng)?shù)姆?wù)，以滿足其需要和愿望。 本文首先著重闡述了群體智能領(lǐng)域蟻群算法在聚類分析中的應(yīng)用，分析了目前在此基礎(chǔ)上有代表性的改進算法，并通過對比不同螞蟻行為模型，驗證了基于螞蟻運動模型的一種自適應(yīng)的蟻群聚類算法(Adaptive Ant Clustering，簡稱AAC)在聚類速度和質(zhì)量等方面性能優(yōu)越。 針對現(xiàn)有的絕大多數(shù)聚類算法在低維、少量數(shù)據(jù)上表現(xiàn)較好，但在處理高維數(shù)據(jù)時聚類質(zhì)量下降

4、的缺陷，為滿足電信行業(yè)的數(shù)據(jù)量大、維度高的特點，受自適應(yīng)蟻群聚類算法(AAC)研究工作的啟發(fā)，采用螞蟻運動模型，提出了一種組合并行多蟻群聚類算法，該算法融入了層次和密度聚類的思想，稱為混合蟻群聚類算法(Hybrid Ant Clustering,簡稱HAC)。該算法采用的是將海量數(shù)據(jù)分區(qū)進行并行聚類，最終合并的設(shè)計思路。通過實驗證明，該改進算法在一定程度上提高聚類速度和質(zhì)量。 本文最后將此混合聚類算法成功應(yīng)用于電信業(yè)客戶細分。通