该文着重于证券行业的客户聚类分析.客户聚类借助于统计、人工智能等方法对客户数据进行分析,是证券公司进行客户管理的第一步.客户聚类与客户分类的区别在于:客户分类对于目标数据中存在哪些类,事先是知道的,只需将每个客户属于哪一类识别出来;而聚类是在事先不知道到底有多少类的情况下,以某种度量为标准,将具有相似特征的客户数据对象划为一类,同时分离具有不同特征的客户数据对象.具体来说,该文包括以下内容:首先介绍了聚类原理和相关的统计知识,并为以后具体介绍常见的聚类算法提供数学基础;然后,在参考大量国内外文献的基础上,研究了模糊C均值聚类算法、系统聚类法、减法聚类法等.在模糊C均值聚类算法中引入了有效性函数的概念,从而部分克服了模糊C均值聚类算法局部最优和无法确定聚类类数的问题;其次,借助Matlab和SPSS软件,以证券公司实际客户数据为案例,利用Matlab编程,给出实验示例,得到了几种聚类方法的实验结果,并对直接编程的聚类结果进行比较分析;最后,论文分析了与聚类分析相关的问题:譬如孤立点、异常数据的处理等.