سال انتشار: ۱۳۹۰

محل انتشار: دومین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات

تعداد صفحات: ۵

نویسنده(ها):

مریم بهبودی – گروه کامپیوتر دانشگاه آزاد اسلامی واحد اراک
بهروز مینایی بیدگلی – استادیار دانشگاه علم و صنعت تهران
حسین ابراهیم پورکومله – استادیار دانشگاه کاشان

چکیده:

امروزه می توان از روشهای داده کاوی از جمله الگوریتم های خوشه بندی برای سگمنت بندی وشناسایی مشتریان استفاده نمود متداولترین الگوریتم خوشه بندی که برای مجموعه داده های مشتریان به کارمی رود الگوریتم K-means می باشد اما مشکل اصلی این الگوریتم حساسیت آن به انتخاب مراکز اولیه هرخوشه و احتمال همگرایی به راه حل بهینه محلی می باشد دراین مقاله برای کاهش این مشکل و بهبودسگمنت بندی مشتریان براساس رفتارهای خرید آنها از ترکیب دوالگوریتم k-means,PSO استفاده و عملکرد الگوریتم ترکیبی با استفاده از مجموعه داده هایی از فروشگاه زنجیره ای مواد غذایی ماندرین ارزیابی و خوشه های حاصل از این روش از دیدگاه رفتارهای خرید مشتریان تحلیل شده است نتایج ارزیابی بیانگر این استکه درروش پیشنهادی میزان خطای خوشه بندی به نحو چشمگیری کاسته شدها ست.