1.一种基于网格和密度的动静态数据融合客户分类算法，其特征在于，包括以下步骤：

步骤一、根据客户销售信息、客户基本信息和营销策略信息，在空间建立多维度的多重网格；

步骤二、利用CLIQUE算法对数据进行分类降维，大类分割客户信息；

步骤三、对步骤二中获得的每一类客户信息采用DBSCAN算法，利用中位数据进行数据聚类，将信息分为多个稠密数据集合，并对每一部分找到对应的关键维度；

步骤四、根据步骤三得到的结构化信息，对每一个聚类中心附近的优质客户提取出对应短文本评论，得到评论集；

步骤五、采用中文依存句法规则，对步骤四中得到的评论集进行对应的文本挖掘，进行提取关键词、统计规律以及提取出每一类客户关注的关键服务的操作；

步骤六、在每一类客户聚类中随机选择一定比例的客户代表，根据语义提取出的关键购买因素，利用回归和时序算法对代表客户在时间域上进行拟合，验证提取出的关键购买影响因素；

步骤七、对于未知的客户信息，利用上述步骤得到的模型，进行网格分类，确定类似群的高影响因素，在同维度下进行二层分类，自动提取出客户的销售影响因素，同时采用回归方法对计算销售结果进行预测，确定恰当的销售策略。

2.根据权利要求1所述的一种基于网格和密度的动静态数据融合客户分类算法，其特征在于：所述客户销售信息包括时间、销售方式和消费额度，所述客户基本信息包括客户年龄和客户性别，所述营销策略信息包括促销方式。

3.根据权利要求1所述的一种基于网格和密度的动静态数据融合客户分类算法，其特征在于：所述步骤一中的客户销售信息、客户基本信息和营销策略信息构成多个离散点，每一个离散点存在于多个网格中。

4.根据权利要求3所述的一种基于网格和密度的动静态数据融合客户分类算法，其特征在于，步骤二中利用CLIQUE算法进行分类降维的具体过程为：a1、计算每一个网格内的密度，每一个离散点在多个网格中所在的单元网格中的密度；

a2、根据步骤a1中得到的密度，确定阈值，低于阈值的该维度网格取消，得到不同维度且在阈值以上的多维网格单元；

a3、根据步骤a2，得到的每个离散客户信息处于高稠密数据网格中。

5.根据权利要求4所述的一种基于网格和密度的动静态数据融合客户分类算法，其特征在于，在处理过程中，所有网格初始状态设置为未处理网格，遍历所有网格，最后删除在该维度上密度低于阈值的网格数据。

6.根据权利要求1所述的一种基于网格和密度的动静态数据融合客户分类算法，其特征在于，所述步骤三具体为：b1、在保留的每个维度的空间网格中，定义初始化核心对象集合 初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D,簇划分 对于所有的点，通过到质心距离度量方式，找到样本xj的∈-邻域子样本集N∈(xj)，如果子样本集样本个数满足|N∈(xj)|大于或等于给定点在∈-邻域内成为核心对象的最小邻域点数MinPts，则将样本xj加入核心对象样本集合：Ω＝Ω∪{xj}；

b2、在核心对象集合Ω中，随机选择一个核心对象o，初始化当前簇核心对象队列Ωcur＝{o},初始化类别序号k＝k+1，初始化当前簇样本集合Ck＝{o}，更新未访问样本集合Γ＝Γ-{o}，如果当前簇核心对象队列 则当前聚类簇Ck生成完毕,更新簇划分C＝{C1,C2,...,Ck}，更新核心对象集合Ω＝Ω-Ck，在当前簇核心对象队列Ωcur中取出一个核心对象o′,通过邻域距离阈值∈找出所有的∈-邻域子样本集N∈(o′)，令Δ＝N∈(o′)∩ΓΔ＝N∈(o′)∩Γ，更新当前簇样本集合Ck＝Ck∪Δ,更新未访问样本集合Γ＝Γ-Δ,更新Ωcur＝Ωcur∪(N∈(o′)∩Ω)，最终输出结果为簇划分C＝{C1,C2,...,Ck}，得到同一维度下客户的进一步分类。

7.根据权利要求1所述的一种基于网格和密度的动静态数据融合客户分类算法，其特征在于：所述步骤五还包括，在采用中文依存句法规则进行自然语言处理后，根据关键词及关键词频率，确定每个网格中每个聚类群的最关注的服务和购买原因，按照频率从大到小，并将结果保存为元组列表。