期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于密度信息熵的K-Means算法在客户细分中的应用
被引量：
10
1
作者
蒲晓川
黄俊丽
+1 位作者
祁宁
宋长松
《吉林大学学报（理学版）》
CAS
北大核心
2021年第5期1245-1251,共7页
为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中...
为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中心的选取问题;其次,通过搭建机器学习框架,对选取人工数据集及真实数据集进行聚类实验,验证模型的有效性.实验结果表明,该模型能有效分类客户,充分反映客户价值及其发展空间,并通过改进聚类算法提升了算法效率.
展开更多
关键词
客户分类
客户发展空间
K-MEANS算法
初始聚类中心
密度信息熵
在线阅读
下载PDF
职称材料
基于Pareto的多目标进化免疫算法
被引量：
3
2
作者
陶媛
吴耿锋
胡珉
《计算机应用研究》
CSCD
北大核心
2009年第5期1687-1690,共4页
提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中;同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动态更新,使算法向着理想Pareto最优边界搜...
提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中;同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动态更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分布情况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比,PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。
展开更多
关键词
进化免疫
PARETO最优解
基于
信息熵
的
密度
估计
克隆选择
在线阅读
下载PDF
职称材料
题名
基于密度信息熵的K-Means算法在客户细分中的应用
被引量：
10
1
作者
蒲晓川
黄俊丽
祁宁
宋长松
机构
遵义师范学院信息工程学院
国立釜庆大学技术管理学院
遵义师范学院管理学院
河西学院经济管理学院
出处
《吉林大学学报（理学版）》
CAS
北大核心
2021年第5期1245-1251,共7页
基金
贵州省科学技术基金(批准号:黔科合LH字[2016]7023号)
教育部高等教育司产学合作协同育人项目(批准号:201801232042
201802341052)
文摘
为解决企业客户价值体现问题,提出一种TFA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中心的选取问题;其次,通过搭建机器学习框架,对选取人工数据集及真实数据集进行聚类实验,验证模型的有效性.实验结果表明,该模型能有效分类客户,充分反映客户价值及其发展空间,并通过改进聚类算法提升了算法效率.
关键词
客户分类
客户发展空间
K-MEANS算法
初始聚类中心
密度信息熵
Keywords
customer classification
customer development space
K-means algorithm
initial clustering center
density information entropy
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Pareto的多目标进化免疫算法
被引量：
3
2
作者
陶媛
吴耿锋
胡珉
机构
上海大学计算机工程与科学学院
上海大学悉尼工商学院
出处
《计算机应用研究》
CSCD
北大核心
2009年第5期1687-1690,共4页
基金
国家自然科学基金资助项目(50778109)
上海市重点学科建设项目(J50103)
文摘
提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中;同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动态更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分布情况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比,PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。
关键词
进化免疫
PARETO最优解
基于
信息熵
的
密度
估计
克隆选择
Keywords
evolutionary immune
Pareto optimal solution
entropy-based density assessment
clone selection
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于密度信息熵的K-Means算法在客户细分中的应用
蒲晓川
黄俊丽
祁宁
宋长松
《吉林大学学报（理学版）》
CAS
北大核心
2021
10
在线阅读
下载PDF
职称材料
2
基于Pareto的多目标进化免疫算法
陶媛
吴耿锋
胡珉
《计算机应用研究》
CSCD
北大核心
2009
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
