邓 程 ，杨壮英，古军杰，蔡 志，李 粤

（广州铁路（集团）公司 株洲北站，株洲 412001）

改进的K-means算法及其在铁路客户细分中的应用

邓 程 ，杨壮英，古军杰，蔡 志，李 粤

（广州铁路（集团）公司 株洲北站，株洲 412001）

提出使用距离均和识别孤立点，并引入方差对孤立点进行判断处理，对传统的K-means算法进行改进并将改进后的K-means算法应用到铁路客户细分领域，实验结果表明，改进后的K-means算法能更为准确地对铁路货运客户进行聚类分析，从多维的角度较为全面、深入地细分客户消费行为特征，从而辅助铁路货运营销部门制定有针对性的营销策略，进行高效的客户关系管理，提高市场竞争力。

数据挖掘；铁路货运；K-means算法

随着当今物流的高速发展，市场竞争日趋激烈，铁路客户营销策略缺少对客户消费行为的深入挖掘，无法对不同类型的客户开展有针对性的营销策略，导致客户流失率缓慢增长以及铁路货运营业额的逐年下降。因此，确定新的分类指标，建立定量分析模型，对铁路客户进行更为精准的分类，是当前铁路货运营销部门所面临的重要问题。

1 K-means算法

1.1 聚类分析的概念

聚类分析简而言之是“物以类聚”，是指将抽象或具体集合分为由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。在商务上，聚类分析能帮助市场分析人员从客户基本库中发现不同的客户群，并用购买模式来刻画不同客户群的特征。……