模糊聚类算法在银行客户分类管理中的应用

张建珍　张秀珍　周星星

摘 要：本文以银行业务数据为研究对象，结合聚类分析和模糊数学中模糊相似矩阵的思想，将模糊数学理论应用于聚类分析中，提出了基于模糊聚类分析的综合排序方法，即模糊聚类法。本文采用该算法对现有银行客户的存、贷款、信用卡、转账结算等业务的总体情况进行综合排序，以便于银行客户经理根据排序结果，对不同客户采取支持、维护或淘汰等不同的分类管理策略，最大限度降低银行的客户管理成本。

关键词：模糊聚类；银行客户；综合排序；分类管理

中图分类号：TP391.41 文献标识号：A 文章编号：2095-2163（2014）06-

Abstract： Based on bank business data， this paper combined with clustering analysis and fuzzy similar matrix in fuzzy mathematics， applying the fuzzy mathematics theory to clustering analysis， puts forward the comprehensive sorting method based on fuzzy clustering analysis，namely the fuzzy clustering method. The algorithm is applied to order the existing bank customer deposits and loans， credit cards， the general characteristics of the transfer settlement business.According to the result of sorting，the bank customer manager will differently deal with the selected customers，which to support，and which t o maintain or eliminate.As a result，the bank customer manager takes different management strategies to save maximally customer management costs of the bank.

Keywords：Fuzzy Clustering； Bank Customers； Comprehensive Sorting； Classification Management

0 引 言

随着市场存、贷款利率的逐步放开，银行、小额贷款公司、投资管理公司等金融业间的竞争日益激烈，而金融业间的竞争根本上则是对客户的争夺。随着信息科技的飞速发展，金融企业在自身经营中也积累了大量的业务数据。如何依托企业内部的金融数据系统通过数据挖掘技术进行数据分析，从企业内部存储的大量数据资料中提取不同客户的属性，据此确认客户的喜好和行为特征，进而对现有客户进行分类管理，实现有针对性的营销、维护及淘汰，如此则不仅有利于稳定和拓展银行业绩，同时，也能够最大限度降低管理客户的相关费用。

1 模糊聚类思想

模糊聚类包括模糊与聚类，主要是指在对现有的大量模糊、随机的实际应用数据在挖掘[1]过程中发现（KDD）知识的方法统称。模糊集法、以及聚类就是利用数据挖掘进行数据分析时较为常用的方法，其他还有神经网络法、遗传算法、决策树法、统计分析法等。

具体来说，模糊集法是利用模糊集合理论对实际问题进行模糊评判、模糊决策、模糊模式识别和模糊分析的一组完整的研究实现技术。复杂性越高的系统，使用该方法模糊性越强，效果将会越明显。聚类即是将一组个体按照相似性原则归于若干类别，实现“物以类聚”[3]。其目的在于缩短同一类别个体之间的距离，但却保持不同类别的个体间差异（距离）要尽可能大。聚类方法有统计法、机器学习法等。

基于同类别个体的隶属度取值范围，可将聚类分为两类，即硬聚类算法和模糊聚类算法。在模糊聚类法中，一个样本同时属于所有的类，但是可通过隶属度的大小来区分其差异。该理论操作简便，结果可信，且在实际生活中应用广泛。

采用模糊聚类算法对银行客户进行分类管理时，其基本步骤通常为[2]：

（1） 现有客户数据的标准化；

2.4 模糊聚类

以上研究完成后，即需对样本数据进行模糊聚类。模糊聚类就是根据给定阈值水平，将最相似的对象聚为一类。研究中，找出与Xn+1为一类的对象，记下序号，其下标即为最优对象所在行的行号，而后删掉该行，继续排序，直至全部完成，由此即刻就可以得到所有客户从优到劣的完整排序。具体排序结果表2所示。

3结束语

模糊聚类方法结合了模糊数学中的模糊相似矩阵的思想，可理解性强，允许数据性质的模糊性，可以应用于具有潜在关联的数据聚类。样本数据通过模糊聚类，得到了样本数据属于各个类别的不确定性程度，进而给出了样本对于各个类别的不确定性描述。采用这种方法，在银行等各种行业进行客户分类均具有很好的实用性。

参考文献：

[1]朱明.数据挖掘[M].安徽：中国科学技术大学出版社，2002.

[2]刘夫涛，张雷，艾波.多重系统聚类挖掘算法及其实现[J].计算机工程与应用，2000 （10）：41-42.

[3]何曰光.模糊聚类算法及应用[J].石油仪器，2004，18（3）：43-44.

[4]周红芳，宋姣姣，罗作民.一种改进的模糊聚类算法[J].计算机应用， 2010，30（5）：77-79.

[5]丁剑敏.数据挖掘技术及其在商业银行中的应用[J].市场周刊·财经论坛，2013 （4）：58-59.

[6] 王明哲.基于数据挖掘技术的信用卡客户的信用评价[J].商场现代化，2007（8）：77-78.