导读:本文包含了客户聚类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:客户,算法,化生,路径,均值,数据挖掘,闭环。
客户聚类论文文献综述
王长琼,邱杰,曹乜蜻,王艳丽[1]（2018）在《基于谱聚类算法的城市快递客户聚类研究》一文中研究指出大量布局运力来满足客户需求的模式,使得配送资源无法得到合理利用,针对此问题提出对城市快递客户进行聚类分析。面向客户的消费能力和地理位置,确定了客户聚类的6个指标。基于谱聚类算法,结合经验规则k≤n~(1/2),计算Laplace矩阵最大特征值差,确定客户聚类数目k。运用k-means算法对前k个最小特征值对应的特征向量聚类,确定具体的聚类方案。最后,以武汉市某区的36个街道为例验证了算法的有效性,为城市快递客户聚类分析提供理论依据。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2018年05期）
梁喜,凯文[2]（2019）在《考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化》一文中研究指出针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染,提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先,结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征,以最小运营成本和最小环境影响为目标建立选址-路径优化模型;其次,对多目标进化算法进行改进,提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法;最后,对该优化算法进行算法性能分析,并以重庆市某企业为例进行了模型和算法验证。结果表明,所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率,所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。(本文来源于《计算机应用》期刊2019年02期）
ASSOGBA,KEVIN,TUNDER,ELOM[3]（2018）在《考虑客户聚类与产品回收的两级物流网络选址—路径问题优化研究》一文中研究指出城市人口密度的快速增长推动了城市物流业的迅猛发展,但也给城市物流网络优化与运营管理带来了巨大的挑战。近年来,物流业的快速发展导致的环境保护问题已经引起世界各国政府、企业和研究学者越来越多的重视。物流活动对环境的影响主要体现在碳排放污染和不合理的废物产品回收等方面。针对上述现象,国内外学者研究了物流设施选址、车辆路径优化和配送过程的碳排放控制等的单目标优化问题,然而,由于物流设施选址、车辆路径优化和配送过程的碳排放等问题是相互影响的,因此,集成研究上述问题有利于减少物流运输/配送的总成本、提高物流运输/配送效率和减少配送过程的碳排放,进而为物流系统优化决策提供研究保障。当前,已有较多相关文献涉及选址-路径优化问题研究,但结合产品回收率设计优化目标函数进行闭环供应链优化的相关研究较少。在闭环供应链优化过程中,客户点聚类常被应用于路径优化的初始化过程,而将客户的产品偏好作为聚类操作过程的有效指标进行选址-路径优化问题的研究较少涉及。针对上述研究不足,本文提出“考虑客户聚类与产品回收的两级物流网络选址-路径问题”(记为TELRPDR:Two-Echelon Location-Routing Problem with Delivery and Recovery based on Customer Clustering)并探讨其优化求解方案的经济与环保效率。同时,本研究还结合实际物流网络的动态性假设客户需求量和回收率具有不确定性特征,进而使研究的选址-路径问题更具实践性。通过已有相关文献分析,阐述典型的闭环物流网络运作,分析客户聚类基本操作,讨论物流设施选址和车辆路径优化问题的基本数学模型,进而基于TELRPDR问题的多目标性质提炼出典型的多目标优化方法;而后,介绍本文的基本物流网络布局,模型相关的集合、参数与决策变量,进而构建物流网络成本最小化和环境影响最小化的多目标优化模型;其中,环境影响最小化模型是以产品回收最大化和碳排放最小化为目标综合建立的。针对建立的多目标优化模型,首先进行了客户点聚类操作,并基于聚类结果提出了改进的非支配排序遗传算法-II(记为INSGA-II:Improved Non-dominated Sorting Genetic Algorithm-II);在算法设计过程中,结合客户聚类和扫描算法生成父代染色体种群,并通过部分反射交叉和交换变异算子生后代染色体,并且利用INSGA-II的非支配排序与拥挤距离计算功能比较得出优化结果;而后,本文利用随机生成的15组数据比较算法的性能,实验结果表明INSGA-II相对于已有的多目标优化智能算法(标准NSGA-II和多目标粒子群算法)在结果的质量与运行时间上均具优势。最后,将模型和算法应用于重庆市某家酒水制造企业的实际选址-路径问题。计算结果表明:本文所建议的模型和INSGA-II算法能有效降低决策的难度和提高物流系统的运作效率。本文涉及的“考虑客户聚类的产品回收的两级物流网络选址-路径问题优化研究”不仅能减少物流运作成本和降低物流运输/配送过程对环境的影响,也为客户关系管理研究和多级物流网络优化问题研究提供了保障。(本文来源于《重庆交通大学》期刊2018-04-02）
米传民,鲁月,周志鹏,肖琳[4]（2017）在《基于灰色关联与K-均值的电信客户聚类研究》一文中研究指出本文从电信客户聚类的角度,运用灰色关联聚类方法进行客户聚类指标简化,克服传统指标简化过程中存在的主观因素过多的不足;并运用K-均值聚类方法对简化之后的客户数据进行聚类,并与单纯K-均值方法进行比较,实证结果表明本文方法可以在不影响聚类结果准确性的前提下对聚类过程进行优化。最后就分析结果对各类客户提出了在业务改进方面的建议。(本文来源于《第十九届中国管理科学学术年会论文集》期刊2017-10-20）
吴悠[5]（2017）在《数据挖掘技术在企业风险审计中的应用研究》一文中研究指出信息技术的发展使得数据式审计模式应运而生,审计的核心方法转变为数据分析方法。但在如今的大数据环境下,传统的计算机辅助审计技术已经难以满足当前环境下的审计数据分析需求,需要更强大的数据分析技术来应对这一挑战。数据挖掘可以从海量数据中发现有价值的信息并把这些数据转化成有组织的知识,近年来,研究如何利用数据挖掘技术进行审计一直是国内外学者关注的一个热点,经过几年的探索,研究范围不断扩大研究程度不断加深,但依旧处在发展中,还存在很多空白领域。本文研究数据挖掘技术在保险公司风险审计中的应用,并针对农业保险这一细分业务。农业保险是针对农业的风险分散机制,但是由于我国从2007年开始才逐步建立起农业保险制度,起步较晚,因此制度、监督体系尚不完善,农保市场存在较为严重的信息不对称问题,尤其是由此导致的投保农户的逆向选择和道德风险,使得保险公司经营成本高,经营风险大。因此,保险公司亟需加强对投保农户的风险审计,但在信息化时代背景下,每天都会产生巨大的农业保险业务数据,传统的审计方法存在诸多局限性,无法实施有效的客户风险审计。此时,我们需要借助计算机技术来辅助审计,充分发挥如今数据保存完善容易获取的优势,利用数据挖掘发现海量数据背后隐藏的有用知识,帮助保险公司更好的实施客户风险审计,有效应对农业保险客户风险。本文的目标是为保险公司提出应对投保农户逆向选择和道德风险问题的解决方案并弥补使用传统审计方法实施客户风险审计的不足。经过研究我们认为综合使用聚类和分类方法构建客户风险等级划分模型,并依据划分结果厘定差额保险费率可以成为保险公司应对上述问题的有效对策。本文首先介绍了聚类和分类技术,综述了其在审计领域的已有研究。然后聚焦到本文的研究对象农业保险,描述了现阶段农业保险公司面临的一系列问题,提出相应的解决对策,即运用数据挖掘技术辅助客户风险审计。接下来使用R语言软件对X市农业保险的投保农户数据进行挖掘,综合使用无监督学习方法聚类中的k-means算法和监督学习方法分类中的随机森林构建客户风险等级划分模型,分别阐述其算法理论原理,并介绍了数据准备、数据预处理、模型构建、模型运用及评估的实际操作过程。基于聚类模型,我们将投保农户的风险等级确定为五类即高风险、较高风险、中等风险、较低风险和低风险。接着基于分类方法优化此模型,训练出可以直接供审计人员使用并能预测新投保农户风险的模型,通过检验,该模型的准确率达到99.6%。由此可见,本文所构建的农业保险客户风险等级划分模型是切实可行的,可以帮助保险公司提高客户风险审计效率,规避农业保险经营风险。最后,结合整个研究过程,提出将数据挖掘技术应用到客户风险审计中的相关建议。本文研究的理论意义在于比较了聚类、分类这两种数据挖掘方式的运用前提和运用效果,充分挖掘农业保险公司的数据信息对投保客户风险进行了首次定量研究。实践意义在于借助数据挖掘技术为X市农业保险公司构建了客户风险等级划分模型,并清晰地展现了数据建模的全过程,从而为保险公司进行客户风险审计提供了一条可借鉴的思路。(本文来源于《南京大学》期刊2017-05-10）
林宗[6]（2016）在《基于数据挖掘的烟草零售客户聚类细分研究》一文中研究指出客户是企业的生存基础,由于烟草制品是特殊消费品,中国烟草行业实行“寓征于征”的专卖制度。随着我们市场经济体制的完善和行业的市场化取向改革的推进,中国烟草行业将直面激烈的市场竞争,对烟草行业现行的垄断体制提出了严峻的挑战。本文主要是研究烟草商业企业在这种特殊的行业背景下,如何通过数据挖掘开展客户关系管理和客户价值研究,从而提高企业竞争力。本文重点对泰顺烟草的客户价值进行了分析和探讨,并建立了全方位、多角度的客户价值指标体系,从客户当前价值和潜在价值两个方面来评价客户价值,运用层次分析法对这个指标体系中的指标因子赋以合理的权重。本文中收集整理了泰顺烟草1745个客户的有关数据,运用上述客户价值指标体系对这些客户的潜在价值和当前价值进行了分析和评价,并根据不同客户的潜在价值和当前价值的高低不同,运用聚类分析法对客户群体进行了细分,并对其中的典型客户运用案例分析的方法,针对客户的不同类型,制定了相对应的管理策略,这对现行烟草行业数据营销具有重要的借鉴意义。(本文来源于《浙江工业大学》期刊2016-11-01）
李睿颖,柳炳祥,万义成[7]（2016）在《一种基于K-Means算法的移动客户聚类分析方法》一文中研究指出客户投诉是客户对企业管理和服务不满的表达方式,是企业最有价值的信息来源,因此,如何分析处理客户投诉的数据,掌握投诉客户的基本特征,进而把客户的不满转化客户满意,锁定他们对企业和产品的忠诚,赢得客户的信任,是企业核心竞争优势所在。论文将K-means算法应用于移动客户的聚类分析中,针对某企业某段时间的移动通信投诉数据进行聚类分析,目的是根据移动公司投诉数据进行聚类,找到对每个类别客户应该采取的营销策略,以提升公司对客户的价值,改善客户关系管理工作。实验结果验证了方法的可行性和有效性,为移动客户聚类分析提供了一种分析的方法。(本文来源于《数字技术与应用》期刊2016年08期）
刘玥[8]（2016）在《基于改进的K-means算法的银行客户聚类研究》一文中研究指出随着近年来我国经济的飞速增长,各行各业的竞争日渐激烈,尤其是对于银行等金融领域而言,如何在如此激烈的竞争环境下适者生存成为了其最关心的问题。近年来,信息技术的发展给企业的竞争环境带来了巨大的变化,企业由过去的以产品和服务为中心、将注意力专注于产品和服务,逐步转变为以客户为中心。企业逐渐意识到把握住客户,就是把握住了业绩,越能及时地满足客户的需求,就越能满足市场的需求,就越能在行业竞争中脱颖而出。目前,我国大部分企业都已经建立了内部客户管理系统,我国的金融行业也积累了海量的客户数据资源。若能有效地理解和利用这些客户数据信息,则会对提高企业服务水平大有裨益。其中,准确地对客户进行分类能使企业更加有效地对不同的客户群体提供更有针对性和更有效的服务。当今的银行业已经具备了对海量数据集的收集,但是如何有效地利用已有的信息,并从中挖掘出对银行决策者真正有决策价值的信息是个重要的研究课题。很显然,随着数据的指数级增长,传统的人工客户分类方式是不切实际的。从客户分类的准确性来说,传统的领域专家人工分类方式要好于自动分类;但是从分类效率上来讲,自动分类的效率要远好于人工的分类方式。继续依赖人工的分类方式来对银行客户进行分类,其成本是高昂且不合适的。数据挖掘技术可以从大量的无序的数据中发现隐含的、有效的、有价值的、可理解的模式,进而发现有用的知识,并得出时间的趋向和关联,为决策者提供问题求解层次的决策支持能力。这为信息时代积累的海量数据的处理提供了新的意义。随着数据挖掘技术的发展,聚类技术作为数据挖掘技术的重要组成部分,在数据分析、文本分析、图像处理和市场预测等很多方面都有广泛的应用。聚类算法的研究已经成为了数据挖掘技术研究中的一项非常活跃的研究课题。经过多年的研究,已经有很多的聚类算法被提出。K-means算法是目前应用最广泛的一种基于平方误差迭代重分配的聚类算法。但是原始的K-means聚类算法存在很多的缺陷。本文着重研究了对传统的K-means算法进行改进和它在银行客户分类方向的应用与实现。首先介绍了数据挖掘的基础理论,然后介绍了聚类分析算法的基础理论,详细介绍了K-means聚类算法,分析了该算法的优缺点并提出了改进,之后定义了银行客户分类理论体系,为后面进行的银行客户聚类提供理论支撑。最后,本文按照已经建立的银行客户分类模型,对来自某银行财务部2012-2015年度的详细交易数据,进行实际的银行客户聚类实验。最后对聚类结果进行了详细的分析和总结。(本文来源于《吉林大学》期刊2016-05-01）
邓基刚,郑成德,刘景燕,黄胜茂,王无瑕[9]（2015）在《基于RFM模型的烟草客户聚类分析研究》一文中研究指出随着客户细分理论的不断丰富和完善,构建合理的客户细分指标体系,借助聚类分析的方法,来实现对企业客户的细分。本文针对当前烟草公司在客户细分方面工作的不足,结合烟草行业及零售户的特征通过聚类分析实现烟草行业零售户的细分,帮助烟草公司实现零售户的合理分类,优化客户资源与卷烟货源的配置。(本文来源于《价值工程》期刊2015年06期）
耿秀丽,尤星星,吕文元[10]（2015）在《基于直觉模糊C-均值的客户聚类和识别方法》一文中研究指出客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵方法处理算法中的距离计算问题.同时,直觉模糊交叉熵还用来计算新客户和各客户类间的偏好相似度,进行客户识别.最后以某工程机械企业服务开发中的客户聚类和识别为例,验证了所提方法的有效性.(本文来源于《上海理工大学学报》期刊2015年01期）
客户聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染,提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先,结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征,以最小运营成本和最小环境影响为目标建立选址-路径优化模型;其次,对多目标进化算法进行改进,提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法;最后,对该优化算法进行算法性能分析,并以重庆市某企业为例进行了模型和算法验证。结果表明,所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率,所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
客户聚类论文参考文献
[1].王长琼,邱杰,曹乜蜻,王艳丽.基于谱聚类算法的城市快递客户聚类研究[J].武汉理工大学学报(信息与管理工程版).2018
[2].梁喜,凯文.考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化[J].计算机应用.2019
[3].ASSOGBA,KEVIN,TUNDER,ELOM.考虑客户聚类与产品回收的两级物流网络选址—路径问题优化研究[D].重庆交通大学.2018
[4].米传民,鲁月,周志鹏,肖琳.基于灰色关联与K-均值的电信客户聚类研究[C].第十九届中国管理科学学术年会论文集.2017
[5].吴悠.数据挖掘技术在企业风险审计中的应用研究[D].南京大学.2017
[6].林宗.基于数据挖掘的烟草零售客户聚类细分研究[D].浙江工业大学.2016
[7].李睿颖,柳炳祥,万义成.一种基于K-Means算法的移动客户聚类分析方法[J].数字技术与应用.2016
[8].刘玥.基于改进的K-means算法的银行客户聚类研究[D].吉林大学.2016
[9].邓基刚,郑成德,刘景燕,黄胜茂,王无瑕.基于RFM模型的烟草客户聚类分析研究[J].价值工程.2015
[10].耿秀丽,尤星星,吕文元.基于直觉模糊C-均值的客户聚类和识别方法[J].上海理工大学学报.2015
论文知识图
