基于改进K-means聚类算法在电力客户价值分群的应用

• 作者: 吴漾 朱州
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: K-means算法 新聚类准则 迭代权重 正确率 标准差
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 算法与分析
• 页码范围: 1049-1054,1149
• 页数: 7页
• 分类号: TP391
• 字数: 4666字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2017.06.008

摘要

针对电力客户特点实行不同的营销策略和提供差异化服务,就需要对电力客户做出准确的分群.传统K-means聚类算法对数据分布均匀的类似球形的数据集聚类效果比较好,一旦数据集分布密度不均衡,类簇大小差异明显时,传统K-means算法容易使稀疏的大类簇被高密度小类簇瓜分,导致电力客户分群正确率下降.论文基于电力客户数据分布不均衡的特点,采用了一种改进的K-means聚类算法.改进的K-means算法提出一个新的加权聚类准则,并根据该准则修改了聚类迭代过程.文章最后在对电力客户数据的分群聚类结果表明,改进的K-means聚类算法的分群聚类效果中各个群类的紧凑性得到有效提高,误分情况明显改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱州	贵州电网有限责任公司信息中心	7	18	2.0	4.0
2	吴漾	贵州电网有限责任公司信息中心	6	18	2.0	4.0