基于k-means聚類算法與多維特征融合的群體劃分模型

打開文本圖片集

摘 要：常規(guī)群體劃分模型構(gòu)建方法主要采用二分均值算法，該方法易受到數(shù)據(jù)特征項貢獻(xiàn)度的影響，使得模型的劃分結(jié)果準(zhǔn)確性較低。因此，提出基于k-means聚類算法與多維度特征融合的群體劃分模型。利用k-means聚類算法通過合理設(shè)定密度閾值與鄰域半徑，提取用戶群體的興趣區(qū)域，在興趣區(qū)域中選取貢獻(xiàn)度較大的數(shù)據(jù)特征項，并計算特征項的權(quán)值，以此為依據(jù)，采用多維特征融合算法改進(jìn)最大化目標(biāo)函數(shù)，以此實現(xiàn)群體劃分模型的構(gòu)建。（剩余7272字）