| 发明名称 | 一种基于k-means和神经网络聚类的客户细分方法 | ||
| 摘要 | 本发明公开了一种基于k-means和神经网络聚类的客户细分方法，包括步骤：(1)从总体数据中随机抽样，抽取部分数据作为样本数据；(2)对步骤（1）抽取的样本数据进行k-means聚类，计算出每个样本数据所属的类别；(3)将步骤（2）的聚类结果作为训练样本，采用神经网络计算出每个属性每一层的权值，并得到一个训练好的神经网络；(4)将总体数据输入到训练好的神经网络中，计算出其所属的类别。本发明的方法在第一步只是抽取少数样本，抽取到孤立点的概率很低，并且采用BP神经网络计算出每个属性的权值，避免了每个属性对结果影响一样，从而克服了传统的K-means聚类算法的缺点，聚类效果更切合客户细分的实际需求。 | ||
| 申请公布号 | CN104850868A | 申请公布日期 | 2015.08.19 |
| 申请号 | CN201510323644.9 | 申请日期 | 2015.06.12 |
| 申请人 | 四川友联信息技术有限公司 | 发明人 | 刘念 |
| 分类号 | G06K9/62(2006.01)I;G06N3/08(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
| 代理机构 | 四川力久律师事务所 51221 | 代理人 | 王芸;林辉轮 |
| 主权项 | 一种基于k‑means和神经网络聚类的客户细分方法，其特征在于，包括以下步骤：(1)从总体数据中随机抽样，抽取部分数据作为样本数据；(2)对步骤（1）抽取的样本数据进行k‑means聚类，计算出每个样本数据所属的类别；(3)将步骤（2）的聚类结果作为训练样本，采用神经网络计算出每个属性每一层的权值，并得到一个训练好的神经网络；(4)将总体数据输入到训练好的神经网络中，计算出其所属的类别。 | ||
| 地址 | 610015 四川省成都市高新区高朋大道5号1栋205号 | ||