关联规则在服装销售行业的应用分析

《关联规则在服装销售行业的应用分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京工业大学丁．程硕士学位论文一个多学科交叉领域，已经被众多研究人员所关注，成为了近年来的研究热点。同时因为它的应用领域广泛，可适用于多种商业环境，也越来越多地被商业领域所认知和应用。数据挖掘是一个提取有用信息的“数据产生"过程，它从大量不完全的、有噪声的、模糊的或者随机的数据中挖掘出隐含的、先前未知的、对决策有潜在价值的非平凡知识和规则，并能够根据已有的信息对未发生的行为做出结果预测，为企业经营决策、市场策划提供依据【5．刚。通过数据挖掘可以帮助企业发现业务的趋势，解释已知的事实，预测未来的结果，并帮助企业识别出完成任务所需的关键因素，以增加收入、降低成本，使该企业处于更有利的竞争优势。

2、数据挖掘不是一个单一的学科，它的发展得益于多学科的发展和应用需求的增加，是一个多学科交叉领域。它从数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息提取、高性能计算和数据可视化等学科领域汲取营养，并将这些知识相互结合，应用到处理实际问题事务的过程当中来。数据库技术经过几十年的发展已经得到广泛的普及和应用。高性能关系数据库引擎以及相关的分布式查询、并发控制等技术的使用，已经提升了数据库的应用能力。数据仓库作为一种新型的数据存储和处理手段被数据库厂商普遍接受其相关辅助建模和管理工具也快速推向市场，成为多数据源集成的一种有效的技术支撑环境。另外，Intemet

3、的普及也为人们提供了丰富的数据源。Intemet技术本身的发展，已经不光是简单的信息浏览，以Web计算为核心的信息处理技术可以处理Intemet环境下的多种信息源。因此，人们已经具备利用多种方式存储海量数据的能力。这些丰富多彩的数据存储、管理以及访问技术的发展，为数据挖掘技术的研究和应用提供了用武之地。同时包括基于统计学、人工智能等在内的理论与技术性成果已经被成功地应用到商业处理和分析中。这些应用从某种程度上为数据挖掘技术的提出和发展起到了极大的推动作用。数据挖掘系统的核心模块技术和算法都离不开这些理论和技术的支持。这些理论的发展和应用为数据挖掘提供了有价值的理论和应用积累，数据挖掘也为这

4、些理论方法提供了广阔的应用领域。，数据挖掘在短短的十几年发展过程当中已经被成功的应用于银行、保险、零售、客户关系管理、测量等不同的领域[71，各种实用及研究系统大量出现。Web数据挖掘和数据挖掘技术的深层次应用是数据挖掘技术的最新研究热点。数据挖掘已经逐渐步入了实用的阶段，同时也将越来越多的走入日常生活为人们带来各种服务与便利。由于各种方法都有自身的功能特点以及应用领域，数据挖掘技术的选择将影响最后结果的质量和效果，通常是将多种技术结合使用，形成优势互补。2第1章绪论1．3数据挖掘在服装销售上的应用意义服装行业现在处于激烈的市场竞争当中。目前，多数的服装企业还停留在数据的简单的整理统计和分

5、析的水平上。某些服装企业在经营运做过程中难免出现由于决策失误而导致的产品滞销的现象。这说明，某些服装企业在准确掌握市场相关信息上缺乏有效的手段，而本课题的主要出发点是基于服装企业的销售数据，利用数据挖掘技术为企业决策者提供生产销售相关的服务支持，即从大量的销售历史数据中发现潜在的可用的信息，使得企业的决策者能够利用这些信息在生产销售中进行决策。我们的主要工作是选用合适的数据挖掘算法，挖掘分析潜在的信息，进而为企业提供商务操作的依据，给管理者和经营者以科学的指导。1．4研究内容与论文安排本文的主要研究内容是利用关联规则技术对服装销售数据进行挖掘分析研究。运用了Apriori算法对预处理后的销

6、售数据进行挖掘并产生了大量的关联规则；而后针对规则冗余问题应用了闭频繁项集和最大频繁项集概念与Apriori算法相结合来进行过滤；最后应用作用度(Lift)作为评价指标与服装行业知识相结合对挖掘出的规则进行评估筛选，找出对服装企业有用的信息。第一章绪论。首先对课题背景行了简介；然后对数据挖掘技术研究现状以及数据挖掘技术应用的领域进行了阐述；并且说明了数据挖掘在服装销售上的应用意义；最后说明了本论文的研究内容以及章节安排。第二章数据挖掘技术。对知识发现及其过程进行了综述，介绍了数据挖掘的定义和发展过程，并介绍了主要的数据挖掘技术。第三章关联规则在服装销售上的应用。详细介绍了关联规则的基本概念

7、和理论以及经典关联规则算法；对服装销售数据以及数据的处理进行了介绍并且用经典的Apriori算法对处理后的数据的进行了挖掘；列出了挖掘结果并且对结果进行了分析，并针对存在的规则冗余问题引入闭频繁项集和最大频繁项集概念对生成的频繁项集进行过滤等。第四章关联规则的评估。首先对关联规则的度量参数分别做出了介绍。然后主要用作用度(Lift)对挖掘的关联规则进行评估过滤，并在专业知识的指导下找出有意义的规则并列出结果。‘‘结论。对