可能性聚类有效性评价研究

摘要

科技的进步，计算机的普及，信息技术的快速发展，互联网广泛应用和数据量的爆炸性增长，信息的重要性与日俱增。人们期望从这些数据中获取有价值的信息，发现事物的发展规律和趋势。然而通过简单的观察和计算并不能达到预想的效果，因此，人们迫切地需要更有效地数据分析方法。数据挖掘是利用计算机从大量的数据中自动搜索数据的过程隐藏于其中的有着特殊关系性的信息的过程。聚类分析是一种重要的数据挖掘方法，主要应用于模式识别，数据分析，图像处理以及市场研究等。
　　本文首先对常见的聚类分析方法和聚类有效性评价函数进行分析，阐述其应用过程中的优势和不足，并总结可能性聚类分析的基本流程。其次，基于可能性理论对聚类分析方法和有效性评价指标进行改进，改进后的可能性聚类分析方法将可能性理论中的可能性测度和必然性测度结合，通过计算得到可能度，将可能度作为可能性聚类分析方法的指标，很好的解决了聚类过程中产生的重复聚类现象。改进后的聚类有效性评价函数主要由紧密性测度和分离性测度两个指标组成，其中，对紧密性测度中加强距离函数的运用，分离性测度中，设定距离临界值L，与原有的隶属度临界值T二者之间相互约束，减少删除噪点的数量，避免因数据信息丢欠对评价结果造成的不准确性。最后通过中国移动客户流失实证分析，验证了上述方法的有效性和适用性。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究目的及意义

1．2 国内外研究现状

1．2．1 聚类分析国外研究现状

1．2．2 可能性聚类国内外研究现状

1．2．3 聚类有效性国内外研究现状

1．2．4 评述

1．3 研究内容和方法

1．3．1 研究内容

1．3．2 研究方法

1．3．3 技术路线

第2章 可能性聚类方法与流程分析

2．1 常见聚类方法对比分析

2．1．1 划分聚类方法

2．1．2 层次聚类方法

2．1．3 基于密度和网格的聚类方法

2．1．4 模糊聚类方法分析

2．2 可能性聚类方法优势分析

2．3 可能性聚类有效性评价函数分析

2．3．1 常见聚类有效性评价函数对比分析

2．3．2 可能性聚类有效性函数分析

2．4 可能性聚类有效性评价流程及框架

2．4．1 聚类数据准备

2．4．2 可能性聚类方法选择或构建

2．4．3 可能性聚类有效性评价

2．4．4 可能性聚类有效性评价框架

2．5 本章小结

第3章 可能性聚类分析方法

3．1 可能性分布及性质

3．1．1 可能性分布原理

3．1．2 可能性测度和必然性测度

3．2 可能性聚类函数指标确定

3．2．1 可能性测度与必然性测度指标确定

3．2．2 可能度的确定

3．3 可能性聚类分析函数构建

3．4 可能性聚类分析过程

3．5 本章小结

第4章 可能性聚类有效性评价

4．1 聚类有效性评价依据

4．1．1 类内紧密性测度

4．1．2 类间分离性测度

4．1．3 聚类有效性评价中噪点分析

4．2 MPO聚类有效性评价指标

4．3 基于噪点抑制的聚类评价指标

4．3．1 紧密性测度确定

4．3．2 基于噪点双重抑制的分离性测度确定

4．4 可能性聚类评价函数的构建

4．5 算例

4．6 本章小结

第5章 实证研究

5．1 中国移动公司概况

5．2 中国移动客户流失问题分析

5．2．1 流失客户消费行为分析

5．2．2 影响客户流失因素分析

5．3 中国移动客户流失可能性聚类分析

5．3．1 数据准备

5．3．2 移动客户流失可能性聚类分析

5．3．3 移动客户流失可能性聚类有效性评价

5．4 中国移动客户流失结果分析及对策

5．5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢