[发明专利]基于高斯混合模型聚类算法的低压用户缴费行为分类方法

权利要求书

1.一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，包括以下步骤：

S1：获取设定年份内的低压用户的用户信息和缴费信息；

S2：对低压用户的缴费信息进行预处理，构建聚类特征指标列表；

S3：进行第一次聚类分析，获取聚类特征指标列表中数据的最优聚类类别数量；

S4：进行第二次聚类分析，根据最优聚类类别数量，将聚类特征指标列表中的数据进行分类；

S5：对低压用户缴费行为分类情况进行地理图分布展示。

2.根据权利要求1所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的用户信息和缴费信息通过营销业务应用系统和用电信息采集系统获取。

3.根据权利要求2所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的用户信息包括用户地理位置信息。

4.根据权利要求2所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的缴费信息包括用电特征信息、缴费行为信息、缴费渠道特征、缴费耗时和缴费金额，所述的缴费渠道特征包括缴费渠道经济成本系数和缴费渠道回款效率。

5.根据权利要求1所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的步骤S2中，对低压用户的缴费信息进行预处理包括删除噪声数据以及非连续缴费用户数据，并对原始缴费信息数据进行归一化处理，得到标准化缴费信息数据。

6.根据权利要求1所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的聚类特征指标包括设定年份内的用户偏好的缴费渠道成本系数、设定年份内的用户缴费耗时、设定年份内的用户平均缴费金额和设定年份内的缴费渠道回款效率。

7.根据权利要求6所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的设定年份为3年。

8.根据权利要求1所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的第一次聚类分析具体为：采用K-Means聚类模型，对聚类特征指标列表聚类分析，获取聚类结果优度系数，并得到最优聚类类别数量。

9.根据权利要求8所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的第二次聚类分析具体为：采用高斯混合聚类模型，将聚类特征指标列表和最优聚类类别数量作为输入，将最终聚类结果的概率及聚类特征指标数据作为输出，得到低压用户聚类结果。

10.根据权利要求4或6所述的一种基于高斯混合模型聚类算法的低压用户缴费行为分类方法，其特征在于，所述的缴费渠道包括电力机构坐收、电力机构缴费终端、超市邮局便利店代收、银行柜台坐收、掌上电力APP、非金融机构收费和金融机构代收。