文件名称：使用大数据聚类算法降低消费者迁移风险-研究论文
文件大小：249KB
文件格式：PDF
更新时间：2024-06-30 05:09:31
Big Data Systems; imagine
在优胜劣汰的世界中，市场竞争日趋激烈，组织消费者成为企业关注的焦点。 同样，许多正在努力涌现的大数据行业开发和使用了不同的消费者迁移或混合预测表示。 最新的，有很多聚类算法都关注相同的问题。 并且也为此提出了许多聚类算法。 这些算法之一是 SCM 和 SCSCM，它们的主要重点是流失预测。 他们使用 Hadoop map Reduce 框架。 本文提出了一种更高效和资源丰富的聚类算法并行核k-means。 我们提出的系统设计高效且有效地执行对大量异构数据集的聚类。 提出的算法可以对同时考虑进行聚类的结构化、非结构化和半结构化数据进行聚类。 内核并行运行，接受数据集并平衡大量数据的负载。 与其他相比，它的时间消耗预计非常少，执行集群速度更快，并在很大程度上提高了利润。