改进DBSCAN聚类算法在电子商务网站评价中的应用

吉林大学学报(理学版)

改进DBSCAN聚类算法在电子商务网站评价中的应用

姜建华^1,2,3, 杨玉免^1,3, 边海燕^1,3, 康嘉容^1,3，王丽敏^1,3，刘颖^1,3

1. 吉林财经大学管理科学与信息工程学院, 长春 130117； 2. 吉林财经大学物流产业经济与智能物流实验室, 长春 130117；3. 吉林财经大学互联网金融省重点实验室，长春 130117

收稿日期:2014-12-16 出版日期:2016-03-26 发布日期:2016-03-23
通讯作者: 姜建华 E-mail:jjh@jlufe.edu.cn

Application of ECommerce Sites Evaluation withImproved DBSCAN Clustering Algorithm

JIANG Jianhua^1,2，3, YANG Yumian^1,3, BIAN Haiyan^1,3, KANG Jiarong^1,3, WANG Limin^1,3, LIU Ying^1,3

1. School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun 130117, China; 2. Key Laboratory of Logistics Industry Economy and Intelligent Logistics, Jilin University of Finance and Economics, Changchun 130117, China; 3. Jilin Province Key Laboratory of Internet Finance, Jilin University of Finance and Economics, Changchun 130117, China

Received:2014-12-16 Online:2016-03-26 Published:2016-03-23
Contact: JIANG Jianhua E-mail:jjh@jlufe.edu.cn

摘要/Abstract

摘要：

针对全国100家电子商务示范企业的相关数据, 先采用因子分析法对高维数据进行降维处理；再通过改进DBSCAN（densitybased spatial clustering of applications with noise）算法对降维后的密度不均数据进行聚类分析, 得到了更合理的聚类结果; 最后根据聚类结果对相关示范企业提出改进建议.

关键词: 电子商务网站, 因子分析, DBSCAN算法, 聚类分析

Abstract:

In view of the relevant data of 100 ECommerce demonstration enterprises in China, we first used factor analysis method to reduce the dimension of high dimensional data, then we processed the uneven density data of reduced dimension by using improved DBSCAN (densitybased spatial clustering of applications with noise) algorithm, and obtained more reasonable clustering results. Finally, according to the clustering results, we put forward some suggestions to the relevant enterprises.

Key words: E-commerce sites, factor analysis, DBSCAN algorithm; cluster analysis

中图分类号:

TP391

姜建华, 杨玉免, 边海燕, 康嘉容，王丽敏，刘颖. 改进DBSCAN聚类算法在电子商务网站评价中的应用[J]. 吉林大学学报(理学版), 2016, 54(02): 329-336.

JIANG Jianhua, YANG Yumian, BIAN Haiyan, KANG Jiarong, WANG Limin, LIU Ying. Application of ECommerce Sites Evaluation withImproved DBSCAN Clustering Algorithm[J]. Journal of Jilin University Science Edition, 2016, 54(02): 329-336.

[1]	于跃, 胡长城. 基于Fourier变换红外光谱分析咖啡豆成分[J]. 吉林大学学报(理学版), 2024, 62(4): 980-984.
[2]	曲福恒, 宋剑飞, 杨勇, 胡雅婷, 潘曰涛. 基于min-max准则与区域划分的I-k-means-+聚类算法[J]. 吉林大学学报(理学版), 2023, 61(5): 1131-1138.
[3]	李长明, 张红臣, 王超, 李晓光, 陆洋, 钱超越. 一种高效的阴阳k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(6): 1455-1460.
[4]	齐向明, 孙煦骄. 基于语义簇的中文文本聚类算法[J]. 吉林大学学报(理学版), 2019, 57(5): 1193-1199.
[5]	朱超平, 任继平. 基于智能优化算法的物联网异构数据融合方法[J]. 吉林大学学报(理学版), 2019, 57(3): 627-632.
[6]	王海燕, 崔文超, 许佩迪, 李闯. 一种局部概率引导的优化K-means++算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1431-1436.
[7]	李鸿雁, 唐娴. 聚类分析和活动轮廓模型相融合的图像分割算法[J]. 吉林大学学报(理学版), 2019, 57(04): 896-902.
[8]	姜建华, 吴迪, 郝德浩, 王丽敏, 张永刚, 李克勤. 基于CDbw和人工蜂群优化的密度峰值聚类算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1469-1475.
[9]	夏雪飞, 韩啸, 兰天姝, 王礼华, 吴佳楠, 周柚. 基于灰值区间的微阵列模拟数据生成算法[J]. 吉林大学学报(理学版), 2016, 54(06): 1401-1404.
[10]	高璐, 李文辉, 王莹. 基于模糊聚类分析和多特征融合的人脸识别方法[J]. J4, 2012, 50(02): 293-298.
[11]	邱立民, 刘淼, 王菊, 张胜楠, 侯洁, 房春生. 绝对主因子分析法解析龙岩市大气中的可吸入颗粒物来源[J]. J4, 2012, 50(02): 371-.
[12]	曲福恒, 胡雅婷, 马驷良, 苑丽红, 孙爽滋. 基于核的模糊c均值聚类算法的收敛性定理[J]. J4, 2011, 49(06): 1079-1086.
[13]	梁悦, 魏世刚, 茹鑫, 于爱民, 师宇华. 用气相色谱法研究逍遥丸（水丸）的指纹图谱及其分层聚类分析[J]. J4, 2010, 07(4): 683-688.
[14]	曲福恒, 马驷良, 胡雅婷. 一种基于核的模糊聚类算法[J]. J4, 2008, 46(06): 1137-1141.
[15]	张利彪, 周春光, 李春霞, 孙彩堂, 刘小华, 刘淼. 基于C-均值聚类的二层次人像聚类算法[J]. J4, 2006, 44(06): 37-40.