检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于直觉模糊C-均值的客户聚类和识别方法

上海理工大学学报 2015年第1期37卷 13-17,35页

作者：耿秀丽尤星星吕文元上海理工大学管理学院上海200093

客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵... 详细信息

客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵方法处理算法中的距离计算问题.同时,直觉模糊交叉熵还用来计算新客户和各客户类间的偏好相似度,进行客户识别.最后以某工程机械企业服务开发中的客户聚类和识别为例,验证了所提方法的有效性.

关键词：大规模客户化生产客户聚类 C-均值直觉模糊集交叉熵

一种结合PSOA的模糊K-均值客户聚类算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2009年第12期31卷 74-76页

作者：朱沅海林泉万杰长沙理工大学计算机与通信工程学院湖南长沙410076 中山职业技术学院广东中山528404

运用结合PSO(粒子群优化)算法的模糊均值聚类法进行客户聚类分析是CRM中一个新的研究方向。本文提出将M个客户记录指定字段中出现频率最大的N个字段值作为客户的特征属性,由M个客户的特征属性构成客户模糊聚类的模式样品集,并在均值聚... 详细信息

运用结合PSO(粒子群优化)算法的模糊均值聚类法进行客户聚类分析是CRM中一个新的研究方向。本文提出将M个客户记录指定字段中出现频率最大的N个字段值作为客户的特征属性,由M个客户的特征属性构成客户模糊聚类的模式样品集,并在均值聚类算法中结合PSO算法,对总的类内离散度和进行优化,使其达到最小值,从而获取最佳客户聚类。实验表明,采用本算法能够得到满意的客户聚类结果。

关键词：模糊K均值聚类粒子群优化算法客户聚类客户关系管理

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

在线全文

学校读者我要写书评

暂无评论

计算机应用 2019年第2期39卷 604-610页

作者：梁喜凯文重庆交通大学经济与管理学院重庆400074

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染,提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先,结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征,以最小运营成本和最小环境... 详细信息

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染,提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先,结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征,以最小运营成本和最小环境影响为目标建立选址-路径优化模型;其次,对多目标进化算法进行改进,提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法;最后,对该优化算法进行算法性能分析,并以重庆市某企业为例进行了模型和算法验证。结果表明,所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率,所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。

关键词：闭环物流选址路径优化产品回收客户聚类遗传算法

基于多层感知机与客户聚类的客户流失预测算法研究

在线全文

学校读者我要写书评

暂无评论

基于多层感知机与客户聚类的客户流失预测算法研究

作者：唐琪广西师范大学

学位级别：硕士

随着经济的快速发展,企业之间的竞争越发激烈,在业务多元化、市场饱和化以及经济全球化的背景下,吸引新客户的成本愈发高昂,防止客户的流失能够有效地提高企业的利润。作为以客户为导向的保留策略中不可缺少的一部分,如何精准地识别那... 详细信息

随着经济的快速发展,企业之间的竞争越发激烈,在业务多元化、市场饱和化以及经济全球化的背景下,吸引新客户的成本愈发高昂,防止客户的流失能够有效地提高企业的利润。作为以客户为导向的保留策略中不可缺少的一部分,如何精准地识别那些具有高度流失概率的客户,具有至关重要的意义。目前,越来越多的企业开始意识到保留现有客户的重要性,提高针对客户流失的早期预警能力也成为了企业发展的重点。通过客户流失预测系统,企业能够及时制定相关策略,来提高客户满意度并防止客户的流失。然而,由于客户历史数据存在复杂度高、冗余度高以及维度高的特点,如何构建预测模型成为了数据挖掘领域中一个重要的课题。本文提出了两种基于多层感知机的预测算法与一种基于客户聚类的预测算法,主要的研究成果如下:(1)提出了一种基于堆叠自编码器的多层感知机预测算法。客户历史数据中往往存在大量离散特征,例如“性别”、“职业”与“国籍”等,预测模型无法直接处理这些特征,必须通过one-hot编码将其转换成二元向量,才能输入预测模型,但这种编码方式存在两个弊端:1)产生了大量的冗余信息;2)大幅提高了特征维度。针对这两个弊端,本算法首先使用堆叠自编码器对one-hot向量进行压缩处理,通过编码器层层的非线性变换来生成隐式的特征融合向量,新的特征向量既消除了冗余信息,也降低了特征维度。然后连接连续型特征向量与特征融合向量,输入多层感知机并构造交叉熵损失函数。最后,使用ADAM优化算法同时迭代训练多层感知机与堆叠自编码器。与多种预测算法对比,本算法在公开数据集上取得了较好的预测表现。(2)提出了一种基于实体嵌入与因子分解机的多层感知机预测算法。该算法能够解决客户信息冗余和传统多层感知机无法生成高阶特征向量的问题。首先,为了消除one-hot编码带来的信息冗余问题,使用实体嵌入分块处理离散特征形成的one-hot向量,并连接生成的嵌入向量,其中的每一块嵌入向量都是原有离散特征的低维表征。然后,使用多尺度滑动窗口扫描原始特征向量,并同时使用因子分解机生成高阶的隐式特征向量,在实验中通过改变多项式回归的高次项来控制特征向量的阶数。最后,连接连续型特征向量、嵌入向量与高阶特征向量,输入多层感知机并构造交叉熵损失函数,使用ADAM优化算法进行迭代训练。实验结果表明,本算法在公开数据集上的预测精度高于其它算法。(3)提出了一种基于客户聚类的混合预测算法。该算法立足于同一群体内的客户往往拥有相似的特质、行为偏好与关注点这一特性,并分为三个阶段。在第一个阶段中,由于原有的客户特征既复杂又冗余,所以使用多层感知机训练预测模型,依靠神经网络的非线性表征能力生成新的特征向量来替代原始的客户特征。在第二个阶段中,首先使用k-means算法进行单个特征的聚类,然后使用聚类中心替换原有特征,最后再进行多特征的客户聚类,其中类别个数均由轮廓系数确定。在第三个阶段中,针对不同客户群体的特点来构建不同的GBDT预测模型。在公开数据集上的实验结果证明了该框架有效地提升了GBDT的预测精度,并好于多种对比算法。

关键词：客户流失预测堆叠自编码器实体嵌入因子分解机客户聚类

考虑客户聚类与产品回收的两级物流网络选址—路径问题优化研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

考虑客户聚类与产品回收的两级物流网络选址—路径问题优化研究

作者： ASSOGBA KEVIN TUNDER ELOM 重庆交通大学

学位级别：硕士

城市人口密度的快速增长推动了城市物流业的迅猛发展,但也给城市物流网络优化与运营管理带来了巨大的挑战。近年来,物流业的快速发展导致的环境保护问题已经引起世界各国政府、企业和研究学者越来越多的重视。物流活动对环境的影响主要... 详细信息

城市人口密度的快速增长推动了城市物流业的迅猛发展,但也给城市物流网络优化与运营管理带来了巨大的挑战。近年来,物流业的快速发展导致的环境保护问题已经引起世界各国政府、企业和研究学者越来越多的重视。物流活动对环境的影响主要体现在碳排放污染和不合理的废物产品回收等方面。针对上述现象,国内外学者研究了物流设施选址、车辆路径优化和配送过程的碳排放控制等的单目标优化问题,然而,由于物流设施选址、车辆路径优化和配送过程的碳排放等问题是相互影响的,因此,集成研究上述问题有利于减少物流运输/配送的总成本、提高物流运输/配送效率和减少配送过程的碳排放,进而为物流系统优化决策提供研究保障。当前,已有较多相关文献涉及选址-路径优化问题研究,但结合产品回收率设计优化目标函数进行闭环供应链优化的相关研究较少。在闭环供应链优化过程中,客户点聚类常被应用于路径优化的初始化过程,而将客户的产品偏好作为聚类操作过程的有效指标进行选址-路径优化问题的研究较少涉及。针对上述研究不足,本文提出“考虑客户聚类与产品回收的两级物流网络选址-路径问题”(记为TELRPDR:Two-Echelon Location-Routing Problem with Delivery and Recovery based on Customer Clustering)并探讨其优化求解方案的经济与环保效率。同时,本研究还结合实际物流网络的动态性假设客户需求量和回收率具有不确定性特征,进而使研究的选址-路径问题更具实践性。通过已有相关文献分析,阐述典型的闭环物流网络运作,分析客户聚类基本操作,讨论物流设施选址和车辆路径优化问题的基本数学模型,进而基于TELRPDR问题的多目标性质提炼出典型的多目标优化方法;而后,介绍本文的基本物流网络布局,模型相关的集合、参数与决策变量,进而构建物流网络成本最小化和环境影响最小化的多目标优化模型;其中,环境影响最小化模型是以产品回收最大化和碳排放最小化为目标综合建立的。针对建立的多目标优化模型,首先进行了客户点聚类操作,并基于聚类结果提出了改进的非支配排序遗传算法-II(记为INSGA-II:Improved Non-dominated Sorting Genetic Algorithm-II);在算法设计过程中,结合客户聚类和扫描算法生成父代染色体种群,并通过部分反射交叉和交换变异算子生后代染色体,并且利用INSGA-II的非支配排序与拥挤距离计算功能比较得出优化结果;而后,本文利用随机生成的15组数据比较算法的性能,实验结果表明INSGA-II相对于已有的多目标优化智能算法(标准NSGA-II和多目标粒子群算法)在结果的质量与运行时间上均具优势。最后,将模型和算法应用于重庆市某家酒水制造企业的实际选址-路径问题。计算结果表明:本文所建议的模型和INSGA-II算法能有效降低决策的难度和提高物流系统的运作效率。本文涉及的“考虑客户聚类的产品回收的两级物流网络选址-路径问题优化研究”不仅能减少物流运作成本和降低物流运输/配送过程对环境的影响,也为客户关系管理研究和多级物流网络优化问题研究提供了保障。

关键词：选址-路径优化产品回收不确定性客户聚类遗传算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合K—中心点的Web客户聚类

嘉兴学院学报 2005年第3期17卷 54-56页

作者：叶苗群宁波大学信息科学与工程学院宁波315211

通过对Web日志文件进行分析,该文提出了一种改进的K-中心点聚类算法对Web用户的行为进行分析的方法。该算法利用模糊相似度,并模仿遗传算法中计算适应度思想,另加了一层循环迭代,每次比较适应度,保留最佳适应度,使之有较好的性能,改进... 详细信息

通过对Web日志文件进行分析,该文提出了一种改进的K-中心点聚类算法对Web用户的行为进行分析的方法。该算法利用模糊相似度,并模仿遗传算法中计算适应度思想,另加了一层循环迭代,每次比较适应度,保留最佳适应度,使之有较好的性能,改进了其易局部最优化的缺点。

关键词：聚类 K-中心点聚类算法 Web 客户聚类

在线全文

学校读者我要写书评

暂无评论

大数据时代构建服务维系体系的客户聚类模型

信息通信 2013年第2期26卷 244-245页

作者：潮毅郑晓斌中国联通广东省分公司广东广州510630

运营商面对新的竞争和价值获取模式—推动力就是大数据,3G时代用户结构和消费特征发生明显变化,移动终端智能化、多元化,数据应用多样化、需求高端化使得用户结构和客户消费特征明显区别于2G时代。广东联通在服务维系时,使用聚类统计方... 详细信息

运营商面对新的竞争和价值获取模式—推动力就是大数据,3G时代用户结构和消费特征发生明显变化,移动终端智能化、多元化,数据应用多样化、需求高端化使得用户结构和客户消费特征明显区别于2G时代。广东联通在服务维系时,使用聚类统计方法将客户进行特征聚类,入网半年内用户的流失和前端发展质量密切相关,入网半年至1年用户的流失和功能性的服务感知相关,入网1年以上用户的流失和持续性的服务感知相关。

关键词：大数据客户聚类信息熵二元分类模型服务维系

在线全文

学校读者我要写书评

暂无评论

基于客户聚类的商品推荐方法的研究

计算机技术与发展 2008年第7期18卷 212-214,221页

作者：王宏超陈未如刘俊沈阳化工学院计算机科学与技术学院辽宁沈阳110142

文中给出了一种新的数据源的获取方法,使用Web2.0技术直接从客户浏览行为中获取需要的数据,避免了传统Web使用数据挖掘时日志数据预处理时的大量繁杂工作,减少了噪声数据,提高了数据准确性。根据所获数据建立用户-商品矩阵,计算此矩阵... 详细信息

文中给出了一种新的数据源的获取方法,使用Web2.0技术直接从客户浏览行为中获取需要的数据,避免了传统Web使用数据挖掘时日志数据预处理时的大量繁杂工作,减少了噪声数据,提高了数据准确性。根据所获数据建立用户-商品矩阵,计算此矩阵的欧氏距离,在此基础上使用聚类算法将客户进行聚类,根据聚类结果对新来的客户进行有目的的商品推荐,并对聚类结果进行跟踪评价。目的是为了提高电子商务网站的个性化服务。

关键词：电子商务Web使用挖掘商品推荐个性化客户聚类

在线全文

学校读者我要写书评

暂无评论

基于谱聚类算法的城市快递客户聚类研究

武汉理工大学学报（信息与管理工程版） 2018年第5期40卷 620-624页

作者：王长琼邱杰曹乜蜻王艳丽武汉理工大学物流工程学院湖北武汉430063

大量布局运力来满足客户需求的模式,使得配送资源无法得到合理利用,针对此问题提出对城市快递客户进行聚类分析。面向客户的消费能力和地理位置,确定了客户聚类的6个指标。基于谱聚类算法,结合经验规则k≤n^(1/2),计算Laplace矩阵最大... 详细信息

大量布局运力来满足客户需求的模式,使得配送资源无法得到合理利用,针对此问题提出对城市快递客户进行聚类分析。面向客户的消费能力和地理位置,确定了客户聚类的6个指标。基于谱聚类算法,结合经验规则k≤n^(1/2),计算Laplace矩阵最大特征值差,确定客户聚类数目k。运用k-means算法对前k个最小特征值对应的特征向量聚类,确定具体的聚类方案。最后,以武汉市某区的36个街道为例验证了算法的有效性,为城市快递客户聚类分析提供理论依据。

关键词：谱聚类城市快递客户聚类 k—means算法