论文部分内容阅读
随着现代通信技术的高速发展,电信运营商之间的竞争更加激烈,电信行业的开放使得客户选择电信运营商与运营商产品的余地越来越大,也使得电信三大运营商之间对客户的争夺也越来越激烈,尤其对集团客户的争夺将更是重中之重,移动运营商应抓住当前的发展契机,充分利用其业务方面的优势,大力发展移动集团客户市场。如何巩固和发展集团客户是当前移动运营商面临的主要问题,急需对集团客户进行有效评估和合理细分,从而制定相应的差异化的营销策略,为运营商带来更大的价值。
聚类分析是数据挖掘中的一个新兴且很活跃的研究领域,可以用来发现数据分布和模式,是数据挖掘的一个很重要的工具。K-means算法是聚类算法中最经典的划分算法之一,它对初值的依赖性很强,聚类结果随初始聚类中心选择的不同而波动很大。本文首先基于图论中著名的Kruskal算法提出了一种改进的K-means算法RQ_KMeans算法,该算法首先运用Kruskal算法生成聚类对象的最小生成树(MST),然后按权值从大到小删去K-1条边,将得到的K个连通子图中对象的均值作为初始聚类中心进行聚类。然后介绍了WEKA数据挖掘平台,并将RQ KMeans算法在WEKA上进行二次开发,通过对标准数据集的测试,证明了该算法较好的聚类效果。最后将RQ_KMeans算法运用于中国移动集团客户细分上,得到了优良的客户细分结果,并据此为中国移动集团客户的市场营销提出了具体的策略和建议。