ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

بهبود بخشبندی مشتریان یک سازمان با ترکیب الگوریتم بهینه سازی K-means و PSO

سال انتشار: 1390
کد COI مقاله: NCCIT01_037
زبان مقاله: فارسیمشاهده این مقاله: 1,288
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود بخشبندی مشتریان یک سازمان با ترکیب الگوریتم بهینه سازی K-means و PSO

مریم بهبودی - دانشجوی کارشناسی ارشد نرم افزار، دانشگاه آزاد اسلامی واحد اراک
بهروز مینایی بیدگلی - استادیار گروه مهندسی کامپیوتر ، دانشگاه علم و صنعت، تهران
حسین ابراهیم پورکومله - استادیار گروه مهندسی کامپیوتر - دانشکده مهندسی - دانشگاه کاشان

چکیده مقاله:

در سالهای اخیر تکنیکهای دادهکاوی همچون خوشهبندی به منظور بخش بندی و شناخت مشخصات و نیازهای گروههای مختلف مشتریان بسیار مورد توجه مدیران هر سازمان و بازاریابها قرار گرفته است. متداولترین الگوریتم خوشهبندی که برای مجموعه داده های مشتریان یک سازمان به کار می رود الگوریتمK-meansمیباشد. در این مقاله ابتدا مشتریان بر اساس مشخصه های دموگرافیک بخشبندی شده سپس جهت خوشهبندی هر گروه دموگرافیک بر اساس رفتارهای خریدRFM)از الگوریتم بهینه سازیPSO برای کاهش اثر ناشی از حساسیت الگوریتم K-means به مراکز اولیه خوشهها و در نتیجه، بهبود بخشبندی مشتریان استفاده میشود سپس مشخصات مشتریان تحلیل می شود و در نهایت برای پیشبینی مشخصه مشتریان جدید ازچند الگوریتم درخت تصمیم استفاده و از لحاظ دقت پیشبینی مقایسه میشود. عملکرد الگوریتم ترکیبی با استفاده از مجموعه دادههایی از فروشگاه زنجیرهای مواد غذایی ماندرین ارزیابی میشود. نتایج ارزیابی بیانگر کاهش خطا و افزایش همگرایی دربخشبندی مشتریان میباشد.

کلیدواژه ها:

بخشبندی مشتریانRFMدادهکاوی، الگوریتم K-means الگوریتم بهینه سازیPSO درخت تصمیم

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCIT01_037 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/141985/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بهبودی، مریم و مینایی بیدگلی، بهروز و ابراهیم پورکومله، حسین،1390،بهبود بخشبندی مشتریان یک سازمان با ترکیب الگوریتم بهینه سازی K-means و PSO،همایش ملی کامپیوتر و فناوری اطلاعات،کرمان،،،https://civilica.com/doc/141985

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، بهبودی، مریم؛ بهروز مینایی بیدگلی و حسین ابراهیم پورکومله)
برای بار دوم به بعد: (1390، بهبودی؛ مینایی بیدگلی و ابراهیم پورکومله)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Huang, J-J., Tzeng, G.-H., Ong, C-S., "Marketing segmentation using support ...
  • Hwang, H., Jung, T., Suh, E . "An LTV model ...
  • Kim, S.-Y., Jung, T.-S., Suh, E.-H., Hwang, H.-S., "Customer segmentation ...
  • Liang, Y.-H. _ Integration of data mining technologies to analyze ...
  • Kim, Y. S . Street, W. N. "An intelligent System ...
  • Battcher, M., Spott, M., Nauck, D. and Kruse, R., "Mining ...
  • Ha, S. H., Bae, S. M ., Park, S. C., ...
  • Kim, K.-j., Ahn, H., "A recommender system using GA K-means ...
  • Hung, C., Tsai, C.-F., "Market segmentation based on hierarchical self-organizing ...
  • McCarty, J. A., Hastak, M., "Segmentation approaches in data-mining: A ...
  • Tsai, C. Y., Chiu, C. C., "A purchase-based market segmentation ...
  • Salazar, M. T, Harrison, T., Ansell, J., "An approach for ...
  • Lim, M. K., Sohn, S. Y., "cluster-based dynamic scoring model", ...
  • Sheu, J.-J., Su, Y.-H., Chu, K-T., "Segmenting online game customers ...
  • Chen, Y.-K., Wang, C-Y. and Feng, Y-Y. "Applications of a ...
  • Selim, S. Z. and Ismail, M. A., "K-means type algorithms: ...
  • Kennedy, J. and Eberhart, R.C. "Particle Swarm Optimization", in Proc ...
  • Shi, Y., Eberhart, R.C. _ modified particle _ optimizer", in ...
  • Eberhart, R.C. and Shi, Y. "Comparing Inertia Weights and Constriction ...
  • http: //WWW _ roobertom archetto. com/fil es/mondrean .zip ...
  • Bolshakova, N., Azuaje, F., _ Improving expression data mining through ...
  • Duda Kanungo, T., Mount, D. M., Netanyahu, N. S., Piatko, ...
  • Ha, S. H., Park, S. C., "Application of data mining ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 6,703
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی