[发明专利]基于半监督核费舍尔判别分析物流企业客户分类方法

摘要

基于半监督核费舍尔判别分析物流企业客户分类方法，其特征在于：该方法包括以下步骤：(1)确定物流企业常用的客户分类指标及分类情况；(2)根据(1)确定的客户分类指标进行物流企业客户信息的收集；(3)对(2)的数据样本集合标准化处理；(4)对(3)获取的归一化后客户样本数据矩阵构建一致性假设矩阵，并计算局部类间和类内拉普拉斯矩阵；(5)利用步骤(4)中获取的一致性假设矩阵计算正则化项拉普拉斯矩阵并整合到Fisher判别分析目标函数中,通过求解最小化目标函数获得最优投影矩阵；(6)计算(2)的归一化后客户样本在投影矩阵上的投影坐标，(7)利用最近邻算法对投影坐标分类确定客户类别。本发明申请应用于物流企业客户的分类问题。

主权项

1.一种基于半监督核费舍尔判别分析物流企业客户分类方法，其特征在于：该方法包括以下步骤：(1)确定物流企业有关客户的分类指标和类别，设有d个分类指标和c个客户类别，一般将物流企业客户分为四种类别：铂金客户，黄金客户，钻石客户和普通客户；(2)根据步骤(1)确定的物流企业客户分类指标和类别，收集物流企业的各种指标信息，设有m个客户，其中有类别标签客户个数为n，n＜＜m，对指标信息数值化后生成样本矩阵，令代表有分类标签客户样本数据矩阵，代表总体客户样本数据矩阵；(3)对步骤(2)获取的数据样本集合进行标准化处理，将每个样本指标的数值范围确定在[0，1]之间；则归一化后有标签客户样本数据矩阵为X_n∈R^d×n；归一化后总体客户样本数据矩阵为X_m∈R^d×m；(4)对步骤(3)获取的归一化后的总体客户样本数据矩阵X_m利用低密度分割几何距离构建一致性假设矩阵A∈R^m×m，并计算局部类间拉普拉斯矩阵L^lb∈R^n×n和局部类内拉普拉斯矩阵L^lw∈R^n×n；(5)利用步骤(4)中获取的一致性假设矩阵A，计算正则化项拉普拉斯矩阵L∈R^m×m并整合到费舍尔判别分析的目标函数中，并通过求解最小化目标函数获得最优投影矩阵T∈R^d×r，r是降维后空间维度，通常令r＝(c‑1)；(6)将步骤(3)归一化后总体客户样本数据矩阵X_m通过步骤(5)得到的最优投影矩阵T进行投影计算得到投影坐标Y_m∈R^r×m；(7)对步骤(6)获取的投影坐标Y_m，利用最近邻分类算法求解所有未标签客户样本数据和新样本对应的客户分类。