吴素云

摘要：本文根据行政企事业单位工作人员办公的特点，借鉴相关银行系统理论与实践，对聚类方法中的经典K-means算法进行了改进，并应用到公务卡用户分类模式中，实现对公务卡用户的价值及行为特征的分类。对KII算法进行了仿真，实验结果表明该算法的准确率等方面较经典K-means算法有所提升。本文阐述了公务卡用户分类时如何选择分类变量、如何进行数据的预处理的全过程，也为银行进行公务卡用户分类提供了方法上的指导。

关键词：KII算法 公务卡 用户分类

借鉴国内外相关的理论研究，基于数据挖掘技术的公务卡用户分类研究很多都是基于经典K-means算法进行的，这主要是因为相对大部分聚类算法而言，K-means算法的时空复杂度相对较小，性能相对较好，同时很多挖掘工具都提供了内置的K-means聚类模型，如SPSS Clementine，DB Miner等，可直接使用，非常方便。但由于经典K-means算法本身存在的一些固有缺陷（如参数人为指定，初始聚类中心随机生成等），会影响公务卡用户分类结果的可靠性。因此本文将克服了K-means四大缺陷的算法——启发式初始化的改进K-means算法（KII算法）应用到公务卡用户分类研究中，建立基于KII算法的公务卡用户分类模式。

一、公务卡用户分类的维度分析

（一）维度分析的依据

维度是人们观察事物的角度，是有关于目标问题的属性的集合。在不同的应用背景和应用目的下，维度的选择和构成也不同。在公务卡用户分类问题中，银行分类的主要目的是识……