烘焙行业消费数据挖掘及其应用研究

《烘焙行业消费数据挖掘及其应用研究》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、分类号TP391密级烘焙行业消费数据挖掘及其应用研究研究生姓名：黄宁指导教师姓名、职称：朱艳辉教授学科专业：计算机应用技术研究方向：智能信息处理湖南工业大学二〇一四年十二月十一日万方数据万方数据万方数据摘要在我国食品工业不断发展的同时，烘焙业增长迅速，市场潜力巨大，成为食品加工业新的增长点。与此同时，烘焙企业的客户消费数据分析工作不仅工作量大增，传统的分析手段已经难以满足行业的发展需求，因此迫切地需要提高分析手段与方法。而数据挖掘技术就是一种有效的方法，能够充分地挖掘与分析隐藏在数据背后的信息，本文将数据挖掘技术引入到烘焙行业消费数据挖掘中

2、，主要研发内容如下：（1）提出了一种改进的K-Means算法。将遗传算法（GA）与K-means算法相结合，充分利用二者的优势，解决传统K-means对于聚类数目的确定、初始中心选取以及噪声数据的敏感性问题，通过Iris与KDDCUP99数据集验证了GK-means算法的性能，并以此为基础构建烘焙行业客户细分模型，依据客户消费信息将其细分若干群体；（2）对Apriori算法进行了改进，解决该算法在搜索频繁项集时的效率问题，通过KDDCUP99数据集验证了改进的Apriori算法的效率，并以烘焙行业客户消费信息作为数据挖掘对象，找出烘焙行业各

3、个销售产品之间的关联规则。关键字：烘焙行业，数据挖掘，K-Means算法，Apriori算法I万方数据AbstractWiththecontinuousdevelopmentofChina'sfoodindustry,thebakingindustryrapidlygrowsandhashugemarketpotential.Ithasbecomeanewgrowthpointofthefoodprocessingindustry.Meanwhile,notonlytheworkloadofcustomerconsumptiondataan

4、alysisofbakingenterprises,butalsothedifficultycoefficientincreasessharply,thetraditionalanalyticalmethodshavebeendifficulttomeetthedevelopmentneedsoftheindustry.Thereisanurgentneedtoimprovetheanalyticaltoolsandmethods.Dataminingtechnologyisaneffectivemethodwhichcanfullymin

5、ingandanalyzethehiddeninformationinthedataandprovidedecisionsupportforbakingenterprisemanagement.Specifically,theresearchworkofthispaperincludesthefollowingaspects:First，putforwardakindofimprovedK-Meansalgorithm,theshortcomingsoftheK-meansalgorithmisimprovedinthispaper.The

6、K-meansalgorithmcombineswiththegeneticalgorithm(GA)andmakesfulluseoftheadvantagesofthetwo,whichsolvestheproblemofthetraditionalK-meansalgorithmaboutdeterminingtheclusteringnumber,selectingtheinitialcenterandsolvingnoisedatasensitiveissues.IrisandKDDCUP99datasetdemonstratet

7、hattheGK-meansalgorithmhasbetterperformancethanthetraditionalK-meansalgorithm,andasabasisforbuildingthebakingindustrycustomersegmentationmodel,thensubdividecustomergroupsbasedoncustomerconsumptioninformationandanalyzethecharacteristicsofeachtype;Second，improvesApriorialgor

8、ithmtoincreaseefficiencywhenII万方数据searchingforfrequentitemsets.KDDCUP99datasetdemonstrate