聚类可以对数据进行有效分析,在数据挖掘、数值分析、模式识别等领域有着非常广泛的应用。聚类的任务是把数据集中的对象划分成若干个子类,使得在同一子类中的对象彼此相似,而不同子类中的对象不相似。聚类是一种无监督的方法,但还没有一个单一的算法能够识别出任意形态的数据结构分布,因此考虑把融合技术应用在聚类分析上,而且数据的先验信息可以改善聚类算法的性能。在以前的研究中,很少有聚类融合算法考虑到加入这点。基于这一现状,本文重点研究了基于先验信息的聚类融合算法,并且将其应用在移动通信行业的客户分群上。具体工作如下：提出了一种基于先验信息和谱分析的聚类融合算法。该算法使用随机抽样的方法产生若干个数据子集,在这些数据子集上分别运用谱聚类算法,得到若干个具有差异性的聚类成员。考虑到它们的结果不一定全部都是好的,因此提出了一个信任度系数的概念,根据系数值从中选择较优的那些聚类成员进行融合。再采用基于互联合矩阵的集成方法,在构造的相似度矩阵上应用谱聚类算法来完成对数据的最后聚类。人工数据集和真实数据集上的实验结果表明,本文算法能有效地提高聚类的效果,聚类结果优于单一的聚类算法和经典的聚类融合算法。结合对聚类融合算法的分析,将本文提出的基于先验信息和谱分析的聚类融合算法成功应用于移动通信企业的客户细分。通过对用户资料、通话行为、服务行为等相关的属性进行数据挖掘,分析了各用户群的通话行为特征与服务类型特征以及各用户群与收益之间的关系,实验结果证实了该聚类算法的有效性。