汽车维修质量评价中的灰色聚类法分析

灰色聚类法因为其一系列的优势,如今已经被广泛应用到汽车维修质量的评价体系中。通过实践研究表明,在对汽车维修企业的维修质量的评价中,它可以较为方便灵活的应用,并且具有较强的综合性,越来越为业界所推崇。本文简要分析了汽车维修质量评价中的灰色聚类法及其实施步骤,运用灰色聚类法对一批汽车的维修质量进行了灰色评价,由此可知,灰色聚类法是一种灵活方便,综合性强的评价方法,希望可以提供一些有价值的参考意见。     

运用聚类技术分析客户信息的方法与实证研究

企业细分市场的目的，是为了找到适合自己进入的目标市场，并根据目标市场的需求特点，制定有针对性的营销方案。使目标市场的客户某些独特的需要得到更充分的满足；通过使用数据挖掘技术，可以根据所拥有的数据特征发现不同的客户群，从而使企业能够依据不同的消费群体制定相应的营销策略。本文提出了运用聚类技术分析客户特征信息的方法，并用真实数据做了实证分析。     

灰色聚类法在布尔哈通河水质评价中的应用

在论述灰色聚类方法原理的基础上,利用灰色聚类法对布尔哈通河各监测断面的监测指标进行水质评价。结果表明应用灰色聚类法评价布尔哈通河各监测断面水质状况符合实际;亮兵上、安图、延吉水源、下嘎断面水质为I类水标准,延吉断面水质为Ⅲ类水。     

聚类算法在评估区域水资源中的应用

本文首先阐述了聚类分析的基本原理,归纳层次聚类分析的步骤和方法,并使用它对我国部分区域水资源进行了科学的分类。     

聚类在信息检索领域中的应用研究

本文简要介绍了聚类算法在国外信息检索领域中的应用概况,并详细介绍了聚类算法在国内该领域的应用情况。列举了应用得较多的几种聚类算法,给出了在多种信息检索中聚类算法的应用过程。     

模糊聚类在客户关系管理中的应用

企业积累了大量的客户消费数据,如何从大量的数据中发现用户的消费模式,对企业的营销策略具有重要的指导意义,数据挖掘技术正是可以从大量的数据中挖掘出对企业决策有价值的信息。针对客户数据的特点,提出一种基于Kruskal算法的最小生成树模糊聚类算法KTFC,并将其应用在客户关系管理中。实验证明,该模糊聚类算法可以有效地对企业客户群进行分类,并分析出每类客户的特点,动态地选取不同的A值可以获得不同的聚类结果,大大地提高了聚类的灵活性。     

基于蚁堆原理的聚类算法在数据挖掘中的应用研究

基于蚁堆原理的聚类算法是一种新的仿生算法,该算法已经在当前的数据挖掘研究中得到了多种应用。本文在介绍回顾该算法发展历史的基础上,简要评述了部分具有代表性的该算法改进模型及其应用情况。最后,对该算法在今后的研究方向作了展望。     

客观聚类在客户价值细分中的研究

聚类在商业研究中广泛应用于对未知特征的客户群进行价值细分.分析了传统细分方法对于细分客户初始条件敏感的弱点,与其他聚类方法相比,客观聚类方法不需要借助领域专家的知识,能够自动、客观地确定聚类个数及最优聚类方案.在回顾了价值细分方法选取的基础上,采用客观聚类方法进行客户价值细分.通过对算法步骤的分析,提出新一致性准则及算法的实施步骤,并将其应用于客户价值细分中.最后,通过实证对比研究,结果表明了新算法具有无需预先指定聚类数的特点,使得细分结果更加准确.     

数据挖掘在客户管理中的应用研究

在旅游业竞争日益激烈的环境下,如何做好客户分类管理,寻找优质客户对旅行社而言尤为重要。由于客户数量较多,客户数据又具有复杂性和多样性,需要通过一定的方法和手段进行分析、处理。数据挖掘通过在大量数据中挖掘出隐含的有价值数据,为企业决策提供关键性数据。针对旅行社客户数据具有大量、随机、模糊等特点,采用模糊聚类分析方法对客户进行分类,并以旅行社的实际数据为例,在matlab平台上实现了模糊聚类分析算法。结果表明,该算法较好地实现了对旅行社客户进行分类管理,反映了不同客户群体的主要特征,能够为企业经营管理提供决策依据。     

聚类在搜索引擎中的应用

本文介绍了目前较为流行的搜索引擎聚类技术,对国外著名聚类搜索引擎进行了测评,并预测了搜索引擎聚类技术的未来发展。     

空间数据挖掘中的聚类算法

较为系统的综述了当前空间聚类算法的相关研究。依据这些算法的特点,将它们归纳为两类：划分聚类算法、层次聚类算法。针对划分聚类算法,重点分析了PAM、CLARA和CLARANS算法。针对层次聚类算法,重点分析了BIRCH、CURE算法。比较了这些算法的复杂度,并介绍了相关应用。     

灰色聚类法在沥青路面使用性能评价方法中的应用

旧沥青路面性能评价很大程度影响旧路养护方案,准确地评价旧路面状况才能采取合适的养护方案。本文通过对陕西某高速公路的调查分析,利用灰色聚类法,对沥青路面使用性能进行评价,为我国高速公路沥青混凝土路面养护质量的评定及养护对策的制定提供了参考依据。     

文档聚类在Web搜索结果中的应用研究

随着互联网的迅猛发展，信息爆炸式增长，产生了信息过载，而在相当程度上，搜索是面临信息过载的唯一选择。但是，现在的搜索引擎缺陷也很明显：一是搜索结果数量庞大；二是搜索结果的线性排列。该文提出采用文档聚类的方法组织搜索引擎的结果，从一定程度上解决了上面的问题。     

灰关联聚类法在高校科研绩效评价中的应用研究

高校的科研绩效评价对于建立我国的科技创新体系意义重大。灰色关联分析是基于行为因子系列的微观或宏观的几何接近,以分析确定因子间的影响程度或因子对主行为的贡献测度而进行的一种分析方法。高校科技绩效指标聚类分析是评价科技绩效的一种简便可行的科学方法。通过分析评估,明确自身所处科技地位,为学校制定目标、政策提供依据。     

基于数据挖掘视角的商业银行业绩聚类方法应用研究

数据挖掘是涉及多学科的综合技术,它可以在海量数据中发现隐藏的、未知的、潜在的有用模式或知识.商业银行在日常经营管理中形成了规模巨大的数据库,通过数据挖掘技术,对银行的各种经营数据进行挖掘和聚类分析,可以为商业银行制订、修改财务政策提供依据.     

模糊聚类法在数字参考服务质量评估中的应用

介绍了模糊聚类法,阐述了模糊聚类法在数字参与服务质量评估中的应用。     

基于马尔可夫模型的图书馆用户聚类分群方法研究

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆 用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列 模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自 适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实 验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群 数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了 设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用 户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。     

基于分类聚类技术的影视数据挖掘研究

随着现代数字化的技术和发展趋势,要求对最有发展空间的影视数据进行分析并得到知识。针对影视数据挖掘技术,讨论了数据挖掘系统各主要模块的功能及影视数据挖掘的可行性和意义,对影视数据挖掘进行研究和探讨。     

基于客户知识的客户CABOSFV聚类

客户知识的多元性与多源性决定了客户知识的高维特性,而个性化与离散化又决定其稀疏特性.针对客户知识的高维稀疏特性,借助稀疏特征向量及其可加性原理,提出基于客户知识的客户CABOSFV聚类算法,并利用其进行实例分析,检验其相对于传统聚类算法的优越性.     

基于Web日志的数据挖掘聚类算法研究及应用

针对FCM算法主要应用于点数据聚类,不能直接处理关系型数据的缺点。本文提出了一种基于Web日志的数据挖掘聚类算法,首先对FCM算法进行改进使其能够处理关系型数据,并对算法进行了健壮性改进。然后针对传统FCM算法需要在没有先验知识的基础上,事先确定聚类类别数的缺点,引入了竞争凝聚算法(CA),与FCM算法相结合,形成了CA-FCM算法,使之能够自动确定最佳分类类别数。实验表明,CA-FCM算法的挖掘结果与FCM算法的结果相近,在用户访问会话数量不太大时性能优于FCM算法。