商品精确营销中聚类分析与关联规则分析应用研究 优先出版.pdf

《商品精确营销中聚类分析与关联规则分析应用研究 优先出版.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、网络出版时间：2017-04-2511:12:18网络出版地址：http://kns.cnki.net/kcms/detail/34.1014.F.20170425.1112.052.html2017年5月May，2017（第31卷第5期）EastChinaEconomicManagement（Vol.31，No.5）●理论·实务［DOI］10.3969/j.issn.1007-5097.2017.05.026商品精确营销中聚类分析与关联规则分析应用研究12范生万，刘放（1.安徽工商职业学院工商管理系，安徽合肥231131；2.安徽审计职业学院会计系，安徽合肥230051）摘要：为了实现

2、商品的精确营销，结合数据挖掘中的聚类分析和关联规则技术发现隐藏在海量数据中的有用信息。文章在对客户数据采用改进的聚类分析算法进行分类的基础上，针对每一个分类的客户，利用Apriori算法进行关联规则分析，得到有用的关联规则以指导商品的精确营销。最后通过一个实例说明关联规则的分析过程。关键词：精确营销；聚类；关联规则中图分类号：F713.5文献标志码：A文章编号：1007-5097（2017）05-0182-032*精确营销是在充分了解客户需求的基础上，针(1)(0)*-βxi-x14Pi=Pi-P1e(β=2)（2）对顾客偏好，差别地进行一对一的营销。然而企业rβ的客户信息系统存在海

3、量数据，一个急需解决的问*(1)rβ是一个正常数。令P2=max{Pi,i=1,2,…,n}，题就是如何对数据进行有效的清洗、提取和挖掘得*初始聚类（第二个）中心位置取相应的x2。则调整势到有价值的信息。本文就数据挖掘中的聚类分析与函数的一般关系式如（3）所示：关联规则分析技术进行研究，分析其在商品精确营2*(k)(k-1)(*)-βxi-xk销中应用。Pi=Pi-Pke（3）*(k-1)一、基于爬山法k-均值聚类分析的企业客户分类其中，Pk=max{Pi,i=1,2,…,n}，对应的样本点聚类（非监督分类）是指按照相似程度对具体的x*作为第k个初始聚类的中心位置。k或抽象的对象进行

4、分类的过程，从而使得在类间对可以采用以下两种形式表示邻域半径：象间相似性最低，在类内对象间相似性最高。K-均1rf=min{max{(xi-xj),i=1,2,…,n},j=1,2,…,n},值聚类算法是一种常用的聚类算法，但是存在以下2两个问题：一是聚类数目需要预选设定；二是随机选（4）nn2取的初始化聚类中心。为此，要想确定初始聚类中11*rm=∑∑xi-xj（5）［1］2n(n-1)i=1j=1心和聚类数目上限采用爬山法将是很好的选择。其中n是数据集合的样本个数，max{·}、min{·}分给定N维样本集合{x1,x2,…,xn}，令样本点xi别为求最大值和最小值函数。在具

5、体应用中，可以(i=1,2,…,n)处的势函数为：n-αx-x2令rα=rβ=rf或rα=rβ=rm。(0)ij4Pi=∑e(α=2)（1）聚类数目可以用下式确定：j=1rα*r是表示邻域半径的一个正常数，其之外的数据Pk+1α<δ（6）*P1点对势计算的影响较小。由（1）式可知，聚集在样本聚类的数目即为当式（6）成立时的k值。其中点xi周围的样本点数与势成正比，即样本点数越多δ<1是一个给定的参数，当δ≥0.5则可以得到比较*(0)势越高。设P1=max{Pi,i=1,2,…,n}，初始聚类（第合理的聚类数目，而在δ≥0.5的范围内，聚类数目*一个）的中心位置取对应的x1，

6、根据（2）式对每个样kmax最多的是δ=0.5时，因此聚类数目的上限是kmax，本点逐一调整势：故将样本集的聚类数目是在[2,kmax]范围内。基于爬收稿日期：2017-02-16基金项目：安徽省高校人文社会科学研究重点项目（SK2016A0133）；高校学科（专业）拔尖人才学术资助重点项目（gxbjZD2016090）作者简介：范生万（1976-），男，重庆人，副教授，工学硕士，研究方向：计算机应用技术，电子商务。刘放（1978-），男，安徽合肥人，教授，项目管理硕士，研究方向：市场营销。—182—2017年5月May，2017商品精确营销中聚类分析与关联规则分析应用研究（第31卷第5

7、期）（Vol.31，No.5）山法k-均值聚类算法的具体步骤如下：（1）基于事务数据库找到频繁1-项集的集合（1）令rα=rβ=rf或rα=rβ=rm，δ=0.5，k=1；L1。若L1非空，则由L1用于产生候选长度为2的候(0)选项C；（2）根据（1）式计算Pi，得到第一个初始聚类2中心位置x*和P*；（2）对事务数据库进行扫描，对C2中候选集的支11(k)**持计数逐一进行计算；（3）根据（3）式计算Pi，得到xk+1和Pk+1；