买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州交通大学;中国铁路兰州局集团有限公司

摘要：本发明提出一种基于RFM模型和人工蜂群算法的货运客户细分方法,包括数据提取、统计分析、标准化处理、转化处理和最终处理五个步骤，通过数据提取、统计分析、标准化处理、转化处理和最终处理来对铁路货运客户进行细分，并采用人工蜂群算法，可以有效规避单个初始聚类中心个体质量不佳对全局寻优能力的影响，同时，人工蜂群算法具有很强的高维优化问题求解能力，且通过采用极差标准化方法可以有效避免不同指标之间的量纲差异问题，也可以有效避免指标属性标准化之前的大数吞掉小数的现象，通过将聚类结果采用多指标排序技术，可以让铁路货运相关部门清晰发现同一客户群的客户之间的差异性，进一步实现铁路货运客户的二次精细划分。

主权项：1.一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法，其特征在于：包括以下步骤：步骤一：数据提取从铁路货运相关信息平台数据库中提取货票数据，并对货票数据进行筛选，剔除特殊客户数据，提取正常客户数据来刻画铁路货运客户发货行为；步骤二：统计分析利用分组聚合查询实现各个发货人相关信息的分组统计分析，即在一个铁路货运客户细分时间范围内，计算发货人最后一次发货时间以及最后一次发货时间距统计分析截止日期的天数，即获得发货人最近一次发货的时间间隔R指标，计算发货人在统计时间范围内总的发货票数或发货次数，获得发货人的发货频率F指标，计算发货人在统计时间范围内向铁路承运人支付的各票运费总收入之和，获得发货人的消费总金额M；步骤三：标准化处理为降低各指标属性间的差异，利用极差标准化方法实现无量纲化处理，即对所有铁路货运客户RFM信息借助公式进行标准化处理，其中公式为： 式中：；步骤四：转化处理将铁路货运客户细分问题转化为一个求铁路货运客户类内距离之和最小的全局优化问题，如公式1-4所示： （1） 式中：n表示铁路货运客户总数，k表示铁路货运客户聚类总数，表示第i个铁路货运客户距离第k类铁路货运客户聚类中心最近；步骤五：最终处理利用人工蜂群算法对步骤四中所描述的全局优化问题进行求解，在目标函数最小的规则引导下，人工蜂群算法求得全局最优聚类中心坐标，并借助各个铁路货运客户坐标距离相关聚类中心坐标的距离长短实现铁路货运客户细分，所述步骤五中利用人工蜂群算法求解全局优化问题时，需将待解问题向人工蜂群算法群体智能寻优机制转换，即将所有聚类中心坐标统一表示为人工蜂群算法个体，将公式2的目标函数值转换为人工蜂群算法的适应度函数，通过人工蜂群算法的演化进化获得全局最优聚类中心，计算每个铁路货运客户群体的R、F、M的均值，将其分别与所有铁路货运客户的R、F、M均值比较，根据比较结果，将各个聚类客户群体划分到八个群体中。

全文数据：

权利要求：

百度查询： 兰州交通大学 中国铁路兰州局集团有限公司 一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法