当今时代是电子商务的时代,而其主要特点是以客户为导向。客户关系管理就是依靠信息技术手段,在庞杂的数据中挖掘出决策者感兴趣有价值的信息。 聚类分析,是在无先验知识无指导下进行数据分析的一种数据挖掘技术。通过先进算法的恰当采用,发掘潜藏的有价值的信息,提高数据分析和解释的质量,也为后续其它数据分析和整理工具对数据的再处理或理解提供科学的判据手段。 以往众多算法集中于致密或规则分布数据的研究,为数不多的研究关注非致密非规则的分布状况,而且又都是与局部最优算法的结合,效果也许有所提高,但没能从根本上改善聚类的性能。 考虑到这种空间数据分布特性差异造成聚类算法采用的不同,本文在比较分析 K 均值算法、模糊均值算法和遗传算法的基础上,提出了改进的近邻函数准则,并有机整合形成遗传算法与改进近邻函数准则的新算法,综合了遗传算法的全局性概率搜索的优点,并考虑到空间数据内在的连接方式,在一定程度上较好地解决了数据的非致密非规则分布问题。为此方面的研究进行了有益探讨,提供了解决这一类问题的新思路和方法。 在如何将技术理论应用到实践方面,即聚类分析技术应用到对客户关系管理中客户满意度的市场或客户划分方面,本文设计了一个基于具体数据的有实用价值的实例,分析比较了上面提到的不同算法在此的应用效果,验证了数据挖掘技术在实际中的效用,拓宽了其在客户关系管理中解决问题的实际应用思路。