徐娜 张红娟 行嘉盈

[摘 要]采用k-means聚类算法将数据分为四类，精确求出每一个聚类的中心点任务的理想定价。计算理想定价与实际定价之差的算数平均，有一个较大的正数偏差，这是造成任务未完成的主要原因。对logistic回归模型进行改进，得到新的多元线性回归模型。并利用粒子群算法优化模型中的参数，得到其中一簇聚类的参数值。

[关键词]聚類算法；多元线性回归模型；粒子群算法

中图分类号：S837 文献标识码：A 文章编号：1009-914X（2018）18-0400-01

1.研究现状

随着我国经济快速发展，基于移动互联网下的自助式劳务众包平台发展迅猛，“拍照赚钱”是其中的一种模式。用户在APP上领取任务，完成任务赚取酬劳。目前许多任务因为定价不合理而无人问津。本文通过研究任务未完成的原因，来达到优化定价模型使任务尽可能多的被完成的目的。

2.1 基于K-means聚类算法的定价分析

K-means算法是将事先输入的n个数据对象以空间中k个点为中心进行聚类，。本文利用K-means算法对附件一中已结束项目任务的经纬度做聚类分析，得到了4个聚类簇以及对应的聚类中心。

2.2 logistic回归模型分析未完成的原因

任务完成度是一个二分类变量，取值为=1和=0。在本文的四个聚类簇中，选取聚类簇一为例计算任务完成情况与经纬度、定价以及距离的关系。

利用spss对四簇数据分别进行logistic回归分析，可知，在聚类1中，任务完成情况与经纬度、定价以及距离的关系式为：

3.1 多元回归模型

假定被解释变量Y与多个解释变量之间具有线性关系，本文通过考虑定价与纬度，经度，离心距离之间的关系，来建立新的定价模型。……