典型文献
基于共享最近邻的客户交易数据聚类算法
文献摘要：
利用客户交易数据聚类分析,可得到更优异的客户细分效果,有助于企业更详实地了解消费者,制定精准的营销策略.PurTreeClust是一种新型的客户交易数据聚类算法,定义了一种新型的度量方式PurTree距离,可以很好地分析处理具有层次树结构的交易数据,但未考虑近邻点的影响,仅将交易树分配到距离最近的聚类中心所属类簇,容易出现错误的交易树分配.该文利用交易树之间的共享最近邻信息,提出一种客户交易数据聚类算法.该算法在聚类分配时,充分利用共享最近邻,首先分配类簇的从属交易树,然后分配类簇的可能从属交易树,实现聚类分配,可发现更加紧凑清晰的类簇,并避免了交易树错误分配,改善了客户细分效果.最后采用6个真实客户交易数据集进行实验,验证了该算法的有效性.
文献关键词：
聚类;交易数据;客户细分;交易树;共享最近邻
中图分类号：
作者姓名：
李遥;荀亚玲
作者机构：
太原科技大学 计算机科学与技术学院,山西 太原 030024
文献出处：
引用格式：
[1]李遥;荀亚玲-.基于共享最近邻的客户交易数据聚类算法)[J].计算机技术与发展,2022(01):73-78
A类：
PurTreeClust,PurTree,交易树
B类：
共享最近邻,交易数据,数据聚类,聚类算法,客户细分,详实,营销策略,度量方式,分析处理,树结构,邻点,配到,聚类中心,心所,从属,加紧,紧凑
AB值：
0.193147
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
