Resumen

Con respecto al problema del agrupamiento de la información de evaluación de clientes en masa en la gestión de servicios, se propone un algoritmo de agrupamiento de nuevo kernel gaussiano FCM (fuzzy C-means) basado en la idea de FCM. En primer lugar, el artículo define una fórmula de distancia euclidiana entre dos puntos de datos y los agrupa de forma adaptativa basándose en el enfoque de clasificación por distancia y vecinos más cercanos en la eliminación de datos relativos. En segundo lugar, se analizan los defectos del algoritmo FCM y se diseña un algoritmo de solución basado en los objetivos duales de obtener una distancia corta entre clases enteras y distancias largas entre clases diferentes. Finalmente, se presenta un ejemplo para ilustrar los resultados en comparación con el algoritmo FCM existente.

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Problema de agrupamiento; Información de evaluación; Clientes masivos; Gestión de servicios; Algoritmo de agrupamiento; FCM con núcleo gaussiano; C-medias difusas; Fórmula de distancia euclidiana; Puntos de datos; Enfoque de clasificación por distancia; Vecinos más cercanos; Defectos; Algoritmo de solución; Objetivos duales; Distancia corta; Distancias largas; Clases diferentes; Algoritmo FCM existente.
• Keywords:Cluster problem; Evaluation information; Mass customers; Service management; Cluster algorithm; Gaussian kernel FCM; Fuzzy C-means; Euclidean distance formula; Data points; Distance classification approach; Nearest neighbors; Defects; Solution algorithm; Dual goals; Short distance; Long distances; Different classes; Existing FCM algorithm.