《表3 客户的分群聚类结果》
提示：宽带有限、当前游客访问压缩模式
以改进后RFM模型的指标作为聚类变量，采用K-means聚类算法[19-20]，将客户分为5类客户群，客户的分群聚类结果如表3所示。
| 图表编号 | XD0043926500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.10 |
| 作者 | 包志强、赵媛媛、赵研、胡啸天、黄琼丹 |
| 绘制单位 | 西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 约简结果：基于特定类不完备决策系统的分布约简》2020.09.05
- 《表5 饲养成本对照：基于大数据和图社群聚类算法的攻击者画像构建》2021.01.05
- 《表2 光伏电池参数：基于大数据和图社群聚类算法的攻击者画像构建》2021.01.05
- 《表2 参数设置：基于蚁群聚类算法的板式定制家具订单聚类分析》2020.05.06
- 《表2 个体分群表：基于通讯数据的社群聚类分析》2020.07.30
- 《表1 个体分群：基于通讯数据的社群聚类分析》2020.07.30
- 《表3 测试结果：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表2 实验数据：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表1 清洗方法：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表1 测试数据集特征：基于动态概率引导的人工蜂群聚类算法》2020.06.01
- 《表3 聚类结果对比：基于聚类算法的客户细分及其优化》2019.11.16
- 《表3 北京城区六类人群聚类结果》2019.10.26
- 《表4 北京市政务微博群聚类情况表》2019.05.20
- 《表3 不同工况下离心式压缩机采用蚁群聚类算法测试输出的信息素矩阵》2019.04.25
- 《表1 数据集描述：基于划分的蚁群聚类算法研究》2019.01.25
- 《表2 测试结果：基于划分的蚁群聚类算法研究》2019.01.25
- 《表5 国际合作学者群聚类主题》2019.01.20
- 《表2 人群聚类结果Tab.2 Clustering results of crowds》2019.01.25
- 《表1 节点属性样例表：基于点群聚类的云数据中心计算节点选择与推介》2018.06.01
- 《表3 国际篮球运动研究各知识群聚类高中心性文献信息》2018.05.01