动态模糊聚类信用评价模型及其应用研究

本文简要介绍了小额贷款公司客户信用评级的研究现状,提出基于动态模糊聚类方法建立信用评价模型,按照信用等级分为“信用好”、“信用中等”和“信用差”三类,并运用该模型对小额贷款公司10个企业客户进行信用分类实证研究。研究结果表明,基于动态模糊聚类的信用评价模型能对客户信用级别进行高效的分类,可为小额贷款公司有效甄别高风险的贷款客户,更好地保护贷款资金提供方的利益。应用实例也证明了该模型的设计准确可靠。     

基于RFM指标的电信客户模糊聚类分析方法研究

客户细分是客户关系管理的重要组成部分。本文针对我国电信企业作为国有性垄断企业的特性,根据其客户特点,提出了一种基于客户行为视角的改进RFM模型,在此基础上应用模糊聚类法来对客户进行分类,并对此分类结果做出了动态客户分析,以达到对不同客户类别采取不同策略的服务效果。     

模糊C聚类综合评价法在企业财务信用评级中的应用

本文针对当前企业财务信用问题,提出了基于模糊C均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表明该方法可根据实际需要获取很好的评价分类效果,而且根据聚类中心进行评价,能更清楚地反映信用等级。     

模糊聚类分析在配送中心订货策略中的应用

针对传统ABC分类方法的局限性,提出了面向订货策略的物料模糊聚类分析方法,以物料订货量和物料单价作为聚类指标,对物料进行模糊聚类分析,对于不同类别的物料实施不同的订货策略。给出了一个模糊聚类应用于订货策略的实例,并与基于ABC分类的库存控制系统进行了对比,表明基于多因素模糊聚类的库存控制系统能有效降低库存成本。     

银行信贷客户的聚类

本文着重研究了对传统的K-means算法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,之后定义了银行客户进行聚类.最后,本文按照已经建立的银行客户分类模型,对来自东北某家银行财务部的详细交易数据,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.     

基于模糊聚类的综合财务分析方法及其Excel实现

本文结合上市公司的财务指标，在数据规格化处理的基础上，利用模糊聚类分析，采用欧氏距离方法建立模糊矩阵，利用平方法求解模糊等价矩阵，并按照一定的聚类水平进行模糊聚类，得到同一行业不同企业的分类。利用此方法，可综合反映企业的财务状况与经营成果，实现对企业的综合评价。     

基于组合分类器的银行客户分类模型研究

客户分类管理,对于银行有效地实施客户关系管理具有重要意义。由于目前分类准确度存在问题,如何有效地对客户进行分类预测就成了十分重要并亟待解决的课题。本文以银行丰富的客户基本信息以及交易行为为对象,建立客户分类预测模型,改进单一或简单组合分类器模型,提出一种基于SOM聚类和决策树的组合分类器方法,建立了客户分类预测模型并对模型进行优化,并探讨该模型的实际应用。     

基于模糊聚类分析的第三方物流供应商选择

提出了用模糊聚类分析法解决第三方物流供应商选择问题的一个简单模型，即先用模糊聚类分析法对可选择的物流供应商进行聚类，然后在较小的选择范围内进一步选择，从而使实际的复杂问题得到简化。     

一种改进的模糊聚类算法研究

针对模糊C-均值聚类算法不能很好对非椭球形分布,或结构形状不对称分布的数据进行聚类的问题,文章提出了一种基于点密度的模糊C-均值聚类算法PD-FCM,该算法利用数据的点密度能够反映其对不同数据密度分类的符合程度的这一特性,构造了修正参数来改进基于欧几里德距离度量方式,从实现对FCM算法的优化。在人造数据集和知名数据集上的实验结果该算法在准确率和隶属度的准确性方面优于模糊C-均值聚类算法。     

模糊聚类、判优与识别及其在全国各地运输、邮电通信业就业的应用

模糊聚类、判优与识别是模糊分析理论的基础;以模糊聚类为核心,建立模糊聚类、判优与识别的统一理论。模糊聚类分析方法是一种多元统计分析方法,它通过多指标把样本划分为若干类;判优,我们通过—统计量可以确定最优的分类;最后,用择近原则对新的样品识别,归类。文中以全国各地运输、邮电通信业就业人数分布为例来说明其应用。这种方法同样可用于各行各业就业分布情况的分析、归类。     

基于客户满意度的服装业车辆调度研究

从客户满意度的角度出发,针对车辆调度问题进行了优化探讨。首先提出对客户满意度进行评价的客户满意度模糊隶属函数,并在此基础上构造基于客户满意度的车辆调度模型。其次设计了求解车辆调度问题的遗传算法,并和客户满意度模糊隶属函数相结合,可以避免车辆调度问题只能获得满意解的情况。     

动态发现与识别有价值客户声音的网上聆听方法

聆听客户声音的关键是发现对企业有价值的信息。在网络社区中,客户的信息量大且密度高,致使企业聆听声音困难。运用特征筛选和信息融合相结合的特征识别方法,将表征客户特征的有价值的相关数据项经过筛选、分类进行动态地提取和融合,完整地表征和反映有价值的客户信息;同时,采用聚类算法,对具有高、中和低价值的客户特征数据分类过滤,以识别出具有高价值信息特征的客户。该方法对企业聆听网上客户声音,发现其中有价值的信息,以支持其战略和营销决策具有重要的理论意义与实用价值。     

基于改进的小波变换和模糊核聚类的纹理分割

提出了一种基于改进的小波变换和模糊核聚类的纹理分割方法。该方法首先用改进的离散小波变换进行纹理特征提取。然后用模糊核聚类方法对特征空间的每个像素进行聚类以实现对纹理的分割。实验结果表明所提算法有很好的分割结果。     

基于模糊C-均值聚类的ETC系统客户的逃费分析研究

随着我国ETC系统的普及,ETC系统客户的管理也成了急需解决的问题。文章主要通过利用模糊C-均值聚类的方法对采集到的收费数据进行分析,找出异常点对应的ETC系统客户,进行重点分析和重点监控,确定是否存在逃费行为,以减少通行费的流失,实现科学、合理、高效的管理。     

客户关系管理中的混合数据聚类应用研究

聚类分析是客户关系管理（CRM）中非常重要的工具之一．提出一种新的算法，k-centers，通过重新定义相似度衡量和聚类中心更新方法，能够有效处理混合类型的CRM数据。以解决经典算法比如k-means等只适用于数值类型数据的不足，实验分析说明k-tenters算法能够准确把握不同类型客户的特征，为个性化的市场营销提供有力支持。     

顾客满意的模糊评价

企业必须识别顾客、理解顾客,以顾客需求为导向进而赢得顾客满意。在识别顾客、理解顾客的基础上,提出了顾客满意度的模糊评价模型,以便对顾客满意进行评价。     

基于模糊聚类的最大树算法和重心法的区域航空中转站选址研究

首先,利用模糊聚类的最大树算法对城市进行分类,将快递企业的服务区域分成若干个子区域。其次,以运输成本最小为目标,利用重心法确定航空中转站所在的城市。最后,为提高该方法的适用性,进一步设计基于模糊聚类最大树算法的区域划分程序和基于重心法的中转站选址程序。     

基于模糊聚类法的应急物流绩效评估方法研究

提出了一套应急物流绩效衡量的指标体系,并应用模糊聚类方法对应急物流绩效进行分析,该评估方法使应急物流绩效的衡量更具整体性、可比性、实用性和易操作性。     

基于模糊聚类-ABC控制法的百货企业市场细分研究

文章采用模糊聚类算法,根据顾客的月消费水平隶属度进行百货企业的市场细分,提出基于ABC控制法的顾客目标市场定位,为百货企业提供决策依据。     

An integrated fuzzy mathematical model and principal component analysis algorithm for forecasting uncertain trends of electricity consumption

This paper introduces an integrated algorithm for forecasting electricity consumption (EL) based on fuzzy regression, time series and principal component analysis (PCA) in uncertain markets such as Iran. The algorithm is examined by mean absolute percentage error, analysis of variance (ANOVA) and Duncan Multiple Range Test. PCA is used to identify the input variables for the fuzzy regression and time series models. Monthly EL in Iran is used to show the superiority of the algorithm. Moreover, it is shown that the selected fuzzy regression model has better estimated values for total EL than time series. The algorithm provides as good results as intelligent methods. However, it is shown that the algorithm does not require utilization of preprocessing methods but genetic algorithm, artificial neural network and fuzzy inference system require preprocessing which could be a cumbersome task to deal with ambiguous data. The unique features of the proposed algorithm are three fold. First, two type of fuzzy regressions with and without preprocessed data are prescribed by the algorithm in order to minimize the bias. Second, it uses PCA approach instead of trial and error method for selecting the most important input variables. Third, ANOVA is used to statistically compare fuzzy regression and time series with actual data.