基于信息熵的蚁群聚类算法在客户细分中的应用.pdfVIP

2010 年 第 19 卷 第 7 期 计 算 机 系 统 应 用 ① 基于信息熵的蚁群聚类算法在客户细分中的应用 吴春旭 刘艳泽 苟清龙 ( 中国科学技术大学 管理学院 安徽 合肥 230026) 摘 要： 传统的蚁群聚类算法需设置较多参数，且聚类时间较长。基于信息熵的蚁群聚类算法通过信息熵改变 蚂蚁拾起和放下数据的规则，减少了参数的设置、缩短了聚类的时间，将其应用于客户细分，并且与 采用传统的蚁群聚类算法得到的细分结果进行比较分析，实验表明。基于信息熵的蚁群聚类算法可以 加快客户细分的聚类进程。 关键词： 信息熵;蚁群算法;聚类;客户细分;应用 Ant Colony Algorithm Based on Entropy for Customer Segmentation WU Chun-Xu, LIU Yan-Ze, GOU Qing-Long (Department of Management, University of Science and Technology of China, Hefei 230026, China) Abstract: The ant-based clustering algorithm needs to set several parameters and cluster for a long time.The ant- based clustering algorithm based on entropy, which uses entropy to amend the ants picking and dropping rules, can reduce the number of parameters and shorten the time of clustering. This paper intends to apply it to the customer segmentation, and compares the segmentation results with the traditional ant-based clustering algorithm. The experiment shows that the ant-based clustering algorithm based on entropy can accelerate customer segmentation. Keywords: entropy; ant colony algorithm; clustering; customer segmentation; application 1 引言 法已经在当前的数据挖掘研究中得到了广泛的应用， 随着知识经济的迅速发展，市场竞争越来越激烈， 该算法不需要预先设定聚类的簇数，而且可以形成任 产品同质化加剧了企业之间的竞争。如何对客户进行 意形状的簇，减少初始参数对聚类结果的影响，但其 细分，进而针对不同的客户群实施差异化服务和营销， 设置的参数较多，聚类的时间较长。为了减少聚类时 已经成为企业的迫切需求。传统的客户细分方法主要 间，本文将信息熵和蚁群聚类算法相结合应用于客户 是基于经验的分类或简单的分割[1]。这些方法对一个 细分，利用信息熵减少设置的参数，加快了聚类的速 企业的客户关系管理(CRM)是有一定价值的。随着管 度，从而更好地体现客户特征，帮助企业制定出针对 理信息系统的广泛应用和电子商务的快速发展，企业 客户的个性化策略,提高