移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题，着重对比分析传统聚类算法中K-means、自组织映射网络和粒子群3种算法的不足，提出融合3种算法优点的混合型聚类算法，该算法利用K—means和自组织映射网络对初始聚类中心进行优化，结合粒子群优化和K-means优化聚类迭代过程，并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题，建立移动餐饮业客户细分模型，并利用混合型聚类算法、K-means、层级自组织映射网络和基于粒子群的K-means等4种算法对实际案例进行对比分析。研究结果表明，混合型聚类算法的聚类精度分别比其他3种算法高，同时还具有最快的收敛性能，更适用于客户细分问题。