电信用户行为分析,是指在获得海量电信用户行为数据的情况下,利用数据挖掘等相关技术对电信用户行为进行有针对性的科学分析,从而发现用户消费的一些规律,并将这些规律与电信企业的科学化决策、针对化营销和交叉销售方案的设计相结合。以提高客户黏性需求,更好地服务客户。模糊C-均值(FCM)聚类分析作为数据挖掘中的一项重要数据处理技术,目前被广泛的研究并应用到各大领域中。FCM算法的特点是易于理解,描述简明,实用性强、收敛速度快及自动分类等优点。但由于FCM聚类算法在分析数据时容易陷入局部最小值,为了解决FCM算法这一问题,将遗传算法应用到FCM聚类算法中,因为遗传算法具有全局寻优的能力,且遗传算法易与其他算法结合。所以将遗传算法与FCM聚类分析相结合,依托FCM强大的收敛速度和遗传算法优秀的全局寻优能力,可以很好地应用到电信用户行为分析当中。本文在深入研究FCM聚类算法和遗传算法的基础上,将传统意义上的遗传算法与FCM聚类算法进行了一定程度的优化。在遗传算法优化中主要对遗传算法的适应度函数、遗传算子操作(选择、交叉和变异)及遗传参数的选择进行了一定的优化;在FCM聚类算法优化中主要对相关参数(模糊因子)进行了优化。将优化后的遗传算法与FCM聚类分析相结合,应用到电信用户行为分析当中,本文所涉及到的电信用户行为主要是电信用户的消费行为(通话消费行为、短信消费行为和流量消费行为),通过深入分析这些电信用户行为,进而为合理套餐的提出提供一定参考,并为科学化决策、针对化营销和交叉销售方案的设计提供依据。并用实验分析来分析算法的可行性。