数据挖掘是指从数据库中发现隐含的、新颖的、有用的信息的过程,已经在许多领域得到了广泛的应用。聚类分析是数据挖掘的主要技术手段之一,至今已在理论和方法上取得了丰硕的研究成果。随着近年来数据密集型企业数据仓库等决策支持系统的建设以及企业对商业智能的需求,数据挖掘面临新的应用,聚类分析研究也面临更多新的内容和挑战。移动通信企业是典型的数据密集型企业,随着电信市场竞争的不断加剧,如何对客户进行细分和分类、并针对不同的客户群实施差异化营销和服务,己成为当前电信企业的迫切需求。本文针对移动通信企业的客户细分需求以及数据特性,研究和提出一种针对混合属性数据的聚类算法,并将其应用于移动通信企业的客户细分,在此基础上提出了基于客户细分的市场营销方法。所做工作归纳如下:1.介绍了数据挖掘技术,详细论述了数据挖掘中的聚类分析,总结了聚类分析的方法、特点和分类,重点讨论了混合属性数据聚类,具体研究了模糊K-Prototypes(FKP)算法,并指出了它的优缺点。2.针对模糊K-Prototypes算法对初始值敏感、容易陷入局部极小值的问题,提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和FKP算法有机结合的混合聚类算法。该算法首先利用PSO算法确定FKP的初始聚类中心,再将PSO聚类结果作为后续FKP算法的初始值。实验结果显示,新算法具有良好的收敛性和稳定性,聚类效果优于单一使用FKP算法。另外考虑到样本矢量中各维特征对模式分类的不同影响,采用了ReliefF算法对特征进行加权选择。3.研究了聚类技术在移动通信企业客户细分领域的应用。论述了客户细分的基本理论、方法和步骤,建立了基于客户行为特征/消费心理的细分模型,在对湖南移动经营分析系统的客户信息原始数据进行商业理解之后,聚类技术实现了客户群的一种细分,并将该细分模型成功地应用于市场营销过程中的决策支撑。