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:
传统的蚁群聚类算法需设置较多参数,且聚类时间较长.基于信息熵的蚁群聚类算法通过信息熵改变蚂蚁拾起和放下数据的规则,减少了参数的设置、缩短了聚类的时间,将其应用于客户细分,并且与采用传统的蚁群聚类算法得到的细分结果进行比较分析,实验表明.基于信息熵的蚁群聚类算法可以加快客户细分的聚类进程.
推荐文章
基于信息熵的蚁群聚类组合算法的研究
聚类
蚁群聚类
信息熵
K-均值
基于扩散信息素的蚁群聚类算法及应用
蚁群算法
聚类分析
信息素扩散模型
客户分类
蚁群聚类算法在客户关系管理中的应用
蚁群算法
客户关系管理
聚类分析
蚁群聚类算法
蚁群聚类算法在隐写分析中的应用
隐写分析
富模型
集成分类
蚁群算法
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 基于信息熵的蚁群聚类算法在客户细分中的应用
来源期刊 计算机系统应用 学科 工学
关键词 信息熵 蚁群算法 聚类 客户细分 应用
年,卷(期) 2010,(7) 所属期刊栏目 应用技术
研究方向 页码范围 171-174
页数 分类号 TP3
字数 4191字 语种 中文
DOI 10.3969/j.issn.1003-3254.2010.07.040
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 吴春旭 中国科学技术大学管理学院 33 449 11.0 19.0
2 苟清龙 中国科学技术大学管理学院 13 367 8.0 13.0
3 刘艳泽 中国科学技术大学管理学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (9)
参考文献  (2)
节点文献
引证文献  (6)
同被引文献  (6)
二级引证文献  (4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(3)
  • 引证文献(2)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(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
信息熵
蚁群算法
聚类
客户细分
应用
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
相关基金
安徽省自然科学基金
英文译名:Anhui Provincial Natural Science Foundation
官方网址:http://www.ahinfo.gov.cn/zrkxjj/index.htm
项目类型:安徽省优秀青年科技基金
学科类型:
论文1v1指导