The invention relates to a large data clustering algorithm for reducing the risk of customer churn. The method comprises the following steps: (1) using axiomatic fuzzy set theory to select related attributes and expressing fuzzy concepts with its membership functions and logical operations; (2) automatically determining the neighborhood radius and weight of the subtraction clustering algorithm according to the calculated membership degree Coefficient; (3) Subtractive clustering algorithm is used to calculate the number and centroid of clustering by selecting and updating the peak function. Subtractive clustering algorithm and axiomatic fuzzy set are integrated into Semantic-driven subtractive clustering method; (4) K_means algorithm is used to calculate the clustering centroid obtained by Semantic-driven subtractive clustering method. Semantic-driven subtractive clustering method (SDSCM) based on subtractive clustering algorithm and axiomatic fuzzy sets improves the clustering accuracy of subtractive clustering algorithm and K_means, and reduces the risk of imprecise operation management using axiomatic fuzzy sets (AFS).
【技术实现步骤摘要】
一种减小客户流失风险的大数据聚类算法
本专利技术涉及一种聚类算法,即语义减法聚类算法(SDSCM),尤其涉及一种减小客户流失风险的大数据聚类算法。
技术介绍
当前,随着市场竞争的加剧,客户流失管理成为企业竞争优势的重要手段。目前基于大数据对客户流失预测的算法很多,但都不能对客户流失进行很好地预测,决策者也不能依靠其进行精确的操作管理,缺乏一种可靠的减小客户流失风险的大数据聚类算法。本专利技术提供了一种新的方法来帮助公司更好地降低客户流失风险,从而获得更高的利润。
技术实现思路
为了解决现有技术存在的问题,本专利技术公开一种减小客户流失风险的大数据聚类算法,该算法通过有效地挖掘客户非结构化的社交数据,将电信大数据价值最大化,演绎出一个有效的大数据语义减法聚类算法。具体方案为:一种减小客户流失风险的大数据聚类算法,所述方法包括以下步骤:(1)使用公理模糊集理论来选择相关的属性,用其隶属函数和逻辑运算来表达模糊概念;(2)根据计算的隶属度,自动确定减法聚类算法的邻域半径和权重系数;(3)利用减法聚类算法通过选择和更新山峰函数来计算聚类数量和质心。将减法聚类算法和公理模糊集集成为语义驱动的减法聚类方法;(4)使用K-means算法来计算由语义驱动的减法聚类方法获得的聚类质心的聚类。进一步地,所述聚类算法具体包括如下步骤:步骤1:根据用户给出的模糊概念,用公式(1)计算其隶属度。步骤2:计算μη(xi)的绝对差的和:步骤3:选择最小值作为第一个集群质心,步骤4:计算第一个集群质心与其他数据点之间的欧几里得距离,邻域半径是影响聚类质心范围的这些距离的方差,步骤5:为了避免 ...
【技术保护点】
1.一种减小客户流失风险的大数据聚类算法,所述方法包括以下步骤:(1)使用公理模糊集理论来选择相关的属性,用其隶属函数和逻辑运算来表达模糊概念;(2)根据计算的隶属度,自动确定减法聚类算法的邻域半径和权重系数;(3)利用减法聚类算法通过选择和更新山峰函数来计算聚类数量和质心。将减法聚类算法和公理模糊集集成为语义驱动的减法聚类方法;(4)使用K‑means算法来计算由语义驱动的减法聚类方法获得的聚类质心的聚类。
【技术特征摘要】
1.一种减小客户流失风险的大数据聚类算法,所述方法包括以下步骤:(1)使用公理模糊集理论来选择相关的属性,用其隶属函数和逻辑运算来表达模糊概念;(2)根据计算的隶属度,自动确定减法聚类算法的邻域半径和权重系数;(3)利用减法聚类算法通过选择和更新山峰函数来计算聚类数量和质心。将减法聚类算法和公理模糊集集成为语义驱动的减法聚类方法;(4)使用K-means算法来计算由语义驱动的减法聚类方法获得的聚类质心的聚类。2.如权利要求1所述的减小客户流失风险的大数据聚类算法,其特征在于,所述聚类算法具体包括如下步骤:步骤1:根据用户给出的模糊概念,用公式(1)计算其隶属度。步骤...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。