聚类是数据挖掘中一项非常重要的技术,越来越受到广泛的关注和研究。目前,已经出现了一些比较成熟的聚类算法,如k-means算法、k-medoids算法、BIRCH算法、CURE算法、DBSCAN算法和STING算法等。这些聚类算法应用于很多方面,但对数据集有诸多限制,所以很难找到适合的聚类算法进行聚类分析,聚类融合算法因此被提出来。实验表明,聚类融合算法能得到比单一聚类算法更加有效的结果,但其发展并不成熟,还存在许多问题,如关键参数的设定、高效聚类成员的产生、共识函数的设定等。本文在全面分析和总结了各个聚类算法的优缺点和聚类融合技术和方法基础之上,提出了基于投票策略聚类融合算法VCE(clustering ensemble base on voting),改善了单一聚类算法准确度不足的缺点,通过采用k-means聚类算法产生聚类成员和基于投票策略来实现聚类融合,基于VS2005实验平台实现了基于投票策略聚类融合算法对UCI数据集的聚类,通过与单一聚类算法在聚类准确率上的比较分析,表明了该方法的有效性。通过对基于投票策略聚类融合算法的研究和实现基础之上,本文的另一个工作是VCE聚类融合算法在电信公司客户细分中的应用,对全国各省的农村固定电话和城市固定电话客户,固定电话和移动电话的客户采用聚类融合技术,为电信公司提供营销决策引导挖掘潜在客户并且提高公司的利润空间,对电信公司未来的发展提供市场决策。本文在对电信公司数据集研究分析的基础上,采用基于投票策略聚类融合算法实现了对电信客户的聚类,通过VS2005实验平台实验比较和分析,为公司提供一个提高客户忠诚度、客户价值和最大化电信公司利润的可执行方案,证明本算法的应用性。