ارایه یک رویکرد مبتنی بر روش k-means با تعداد خوشه بهینه به منظور تقسیم بندی مشتریان بیمه اتومبیل
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 838
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST02_002
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
افزایش رقابت و پیچیدگی در صنعت بیمه اتومبیل، شرکت ها را بر آن دا شته ا ست که به تو سعه فعالیت های نوآوری به منظور گرفتن مشتریان جدید و بهبود رضایت مشتریان فعلی و حفظ مشتری، بپردازند. برای این منظور اولین گام، شناسایی مشتری است. این مرحله شامل تمرکز بر مشتریانی است که احتمال بیشتری به ماندگارشدن و سودآوربودن برای سازمان دارند. عناصر مرحله ی شناسایی مشتری، آنالیز اهداف مشتریان و گروه بندی ایشان میباشد. به منظور تق سیم کل م شتریان به گروه های کوچک به طوری که م شتریان قرار گرفته در هر گروه دارای ویژگی های مشابه باشند، مدلی جامع با توجه به ساختار بازار بیمه خودرو پیشنهاد شده است. در این رویکرد از الگوریتم means-k که معروف ترین و سریع ترین الگوریتم خوشه بندی غیر سلسله مراتبی است، به منظور تقسیم بندی مشتریان بیمه اتومبیل استفاده شده است. در لگوریتم means-kرویه انتخاب مراکز خو شه اولیه به گونه ای که بهترین جداکنندگی را به همراه دا شته با شد بسیار حایز اهمیت می با شد. در این رویکرد یک الگوریتم به منظور محاسبه مراکز خوشه اولیه در الگوریتم means-k پیشنهاد می کنیم. نتایج نشان می دهد الگوریتم پیشنهادی در تعیین مراکز خوشه اولیه برای لگوریتم means-k عملکرد بهتری را به همراه خواهد داشت.
کلیدواژه ها:
نویسندگان
نیره محمدی
گروه کامپیوتر ، واحد نیشابور ، دانشگاه آزاد اسلامی ، نیشابور ، ایران
رضا قائمی
گروه کامپیوتر ، واحد قوچان ، دانشگاه آزاد اسلامی ، قوچان ، ایران
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 :