基于粗糙集理论的零售业数据挖掘的研究（可复制毕业论文）.pdf

摘要本文首先论述零售业数据挖掘现状和零售业数据挖掘目的,以及零售业业务掘中的应用。在上述研究的基础上,本文提出了一个基于粗糙集理论的零售业数本论文提出的零售业数据挖掘系统体系结构由三个层次构成葑急覆恪主要是清除噪声和无关数据。在数据预处理层,本论文通过对基于信息熵的连续法对大数据集的过度适应性。数据完备化使用基于量化容差关系的数据完备化算将其量化,提高了缺失对象的补齐能力。经过预处理后形成可供规则提取算法使随着信息技术的飞速发展,零售企业积累了大量的历史数据,商业企业意识到如何利用这些信息对企业的发展来说是至关重要的。因为想要在未来的市场占有举足轻重的地位,必须拥有消费者、竞争对手、本公司的财务情况等信息,从中获取可靠、准确、及时的信息来进行正确的决策是商家的迫切需求。本文研究的正是如何将数据挖掘技术应用在零售业领域。特点和当前国内零售业数据挖掘面临的困难;接着介绍粗糙集理论和它在数据挖据挖掘体系结构,设计了与此配套的相关数据挖掘算法;最后通过一个实例验证研究结果的有效性。数据预处理层、挖掘评价层。它能够有效地从数据库中提取出有用的知识并经过评价系统进行反馈校正,建立业务知识库,给决策者提供高质量的决策信息和决策支持。其数据挖掘过程中的大部分任务,均由基于粗糙集理论的算法来承担和完成。在数据准备层,主要工作是数据收集、数据确认和数据筛选。数据收集是将分布在传统业务模型基础上的数据经过面向决策的数据加工和精练,转移到数据仓库中。数据确认主要是对销售数据、商品数据、客户数据进行定义。数据筛选属性离散化算法的研究,提出一个改进的算法,增加一个控制阕值。克服了原算法实现对遗失数据的填充。本算法中的容差关系矩阵计算对象之间的相似度,并用的完备信息系统。在挖掘评价层,通过基于近似集的属性约简算法,在完备信息系统上提取最佳约简集,进行属性规约。引入置信度和支持度的概念,设计增量学习式规则提取算法。规则提取分为三个阶段:初始规则库生成、规则更新、规则评价。该算法能适应数据的动态增加,并根据置信度和支持度阕值来对规则本文最后给出一个商场客户行为特征分析的实例,使用本文设计的数据挖掘系统算法,挖掘出购买不同种类羽绒服的顾客特征,验证了本系统的实用性和有关键词:零售业、数据挖掘、租糙集、数据预处理,规则提取进行评价。效性。一
ⅱ鬷也琽,琩甊..:甋琯琺琭瑃甧..,’,;;瑃;’.疭甀,.甦:,瓵猵.,
,琩.,.瑃甌甌篹甌’.簉瑀
签名:兰当塑际η┟幺土日期::迎塾日期:上￡兰:丝独创性声明关于论文使用授权的说明C艿穆畚脑诮饷芎笞袷卮斯娑本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究地方外,论文中不包含其他人已经发表或撰写的研究成果,也不包含公布论文的全部或部分内容,可以采用影印、。尽我所知,、使用学位论文的规定,即:学校有权保留送交论文的复印件,允许论文被查阅和借阅;学校可以,
髀选题的背景和意义伴随着中国加入约笆谐∮陕舴阶O蚵蚍剑闶垡档木赫萦摇W年挛夜⒉糘商投资商业试点办法》以来,世界零售业巨头陆续登陆我国,像美国的沃尔玛、普尔斯马特、法国的家乐福、日本的伊藤萍华堂等纷纷在我国落地开花并迅速抢占市场。麦肯锡公司的有关分析认为:在未来年内,中国零售业%的市场将由家世界级零售巨头掌握。随着市场的进一步放开,这个预钡锌赡艹晌O质怠綣】。在优势的对手面前,本土零售商无一不为求生存、求发展而竭尽心力。另一方面,数据库技术以及各种管理信息系统已经广泛应用于零售业,各种销售信息,产品信息,顾客信息等都在爆炸式增长T诤A啃畔⒅屑笆狈⑾钟杏的知识,并利用这些知识透彻的了解顾客心理,满足日益变化的顾客需求,从而准确地把握市场脉搏,将是国内零售商走向成功的必由之路。数据挖掘研究从海量数据中挖掘有用知识来辅助决策,目前已成为国际上信息决策领域最前沿研究方向之一闭。数据挖掘技术在很多领域都得到了较为广泛的应用,如金融、医疗保险、市场业、零售业,制造业、甚至司法系统等。零售业是数据挖掘研究涉足较早的一个领域,经典的“啤酒与尿布”的故事就是数据挖掘在零售业应用的一个著名的成功案例。国外零售业巨头普遍利用先进的数据仓库技术和数据挖掘技术。它们的数据仓库里集中了商店大量的原始交易数据,这些数据主要包括各个商店前端设备、扫描仪杉吹脑枷凼荨客户数据和各个商店的库存数据,再从事由数据变信息,由信息变知识的知识挖掘工作。从而有效的迸行客户关系管理、销售数据分析,商店定位、交叉销售、市场和趋势分析、供应链优