微型机与应用
微型機與應用
미형궤여응용
MICROCOMPUTER & ITS APPLICATIONS
2012年
5期
59-61,65
,共4页
聚类%K—means聚类算法%相似性%商品陈列
聚類%K—means聚類算法%相似性%商品陳列
취류%K—means취류산법%상사성%상품진렬
clustering%K-means clustering algorithm%similarity%commodity display
利用聚类的基本知识，根据不同顾客购买商品的相似性的大小，提出了运用K—means聚类算法。利用相似度代替欧氏距离，对该网络进行聚类分析，划分出相似性大的顾客群体，并根据每个群体中顾客购买每类商品占总商品数的比例进行排序，从而为商品陈列提供依据。
利用聚類的基本知識，根據不同顧客購買商品的相似性的大小，提齣瞭運用K—means聚類算法。利用相似度代替歐氏距離，對該網絡進行聚類分析，劃分齣相似性大的顧客群體，併根據每箇群體中顧客購買每類商品佔總商品數的比例進行排序，從而為商品陳列提供依據。
이용취류적기본지식，근거불동고객구매상품적상사성적대소，제출료운용K—means취류산법。이용상사도대체구씨거리，대해망락진행취류분석，화분출상사성대적고객군체，병근거매개군체중고객구매매류상품점총상품수적비례진행배서，종이위상품진렬제공의거。
This paper, by using the clustering of basic knowledge, according to different customer to purchase the commodity magnitude of similarity, using similarity instead of euclidean distance, the commodity network clustering analysis, divides the similarity in the types of goods, and according to the customer to purchase each group for each type of goods accounted for the proportion of the number of sorted goods, and thus provides the basis for commodity display.
