基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对K-means在对客户细分时只能针对数值型数据,而不适用于其他类型的数据的缺点和K-means算法在效率上的不足,本文引进信息熵的理论,并将其与改进的K-means混合迭代得到一个新的算法,其时间复杂度小于原有算法,从而能够准确高效地对客户进行细分.
推荐文章
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
基于MapReduce框架下K-means的改进算法
MapReduce框架
K-means算法
数据挖掘
聚类分析
基于量子蚁群改进的K-means算法
量子计算
蚂蚁算法
K-means算法
聚类分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于信息熵和改进的K-means算法的客户细分
来源期刊 华南金融电脑 学科 工学
关键词 信息化 客户细分 信息熵 改进K-means 混合迭代
年,卷(期) 2009,(4) 所属期刊栏目 应用技术
研究方向 页码范围 44-46
页数 3页 分类号 TP3
字数 3100字 语种 中文
DOI 10.3969/j.issn.2095-0799.2009.04.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 毕利 32 195 7.0 13.0
2 王建新 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (134)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1948(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
信息化
客户细分
信息熵
改进K-means
混合迭代
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
金融科技时代
月刊
2095-0799
44-1680/N
大16开
广州市天河区建中路55-57号6楼
46-302
1992
chi
出版文献量(篇)
10074
总下载数(次)
26
论文1v1指导