论文部分内容阅读
数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘因应用领域的不同而采取的方法也多种多样。在商业领域,数据挖掘对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据,它能够帮助企业确定客户的特点,从而可以为客户提供有针对性的服务。如通过数据挖掘,可以发现购买某一商品的客户特征,从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品;若找到流失的客户的特征,就可以在那些具有相似特征的客户还未流失之前,采取针对性的措施。 本文用物元的表示方法与遗传算法中的编码相结合对企业的客户进行描述,然后应用可拓理论中的关联函数对客户进行细分,进而在遗传算法中的遗传和变异方法和可拓变换的思想结合的基础上,提出了新的可拓遗传方法,并进一步对客户数据进行挖掘与转化,继而通过实例说明了该方法的有效性和优越性,达到帮助企业对客户进行细分,寻找出营销重点,确定有效营销方案,以及挖掘新的客户群体的目的。 本文将可拓遗传算法作为对数据挖掘在CRM中应用的一种尝试,并且建立了相应的数学模型。该方法所体现的思想对于简化数据运算过程,缩短寻找目标数据时间,以及突出重点数据类别有实际意义,丰富了数据挖掘技术。