基于遗传算法的模糊聚类在用户行为分析中的应用研究

摘要

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。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的研究内容

1.4 本文的组织结构

1.5 本章小结

第二章 相关理论与技术

2.1 数据挖掘的基本理论

2.2 聚类分析的基本理论

2.3 遗传算法的基本理论

2.4 本章小结

第三章 遗传算法及其优化

3.1 遗传算法的概念

3.2 遗传算法的基本原理

3.3 遗传算法的优化

3.4 本章小结

第四章 基于遗传算法的FCM聚类算法

4.1 FCM聚类的实现过程

4.2 遗传-FCM聚类算法

4.3 遗传-FCM聚类算法的实验

4.4 本章小结

第五章 总结和展望

5.1 总结

5.2 展望

参考文献

攻硕期间发表论文及科研成果

致谢