基于粗糙集理論的零售業(yè)數(shù)據(jù)挖掘研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，零售企業(yè)積累了大量的歷史數(shù)據(jù)，商業(yè)企業(yè)意識(shí)到如何利用這些信息對(duì)企業(yè)的發(fā)展來(lái)說(shuō)是至關(guān)重要的。因?yàn)橄胍谖磥?lái)的市場(chǎng)占有舉足輕重的地位，必須擁有消費(fèi)者、競(jìng)爭(zhēng)對(duì)手、本公司的財(cái)務(wù)情況等信息，從中獲取可靠、準(zhǔn)確、及時(shí)的信息來(lái)進(jìn)行正確的決策是商家的迫切需求。本文研究的正是如何將數(shù)據(jù)挖掘技術(shù)應(yīng)用在零售業(yè)領(lǐng)域。 本文首先論述零售業(yè)數(shù)據(jù)挖掘現(xiàn)狀和零售業(yè)數(shù)據(jù)挖掘目的，以及零售業(yè)業(yè)務(wù)特點(diǎn)和當(dāng)前國(guó)內(nèi)零售業(yè)數(shù)據(jù)挖掘面臨的困難；接著介

2、紹粗糙集理論和它在數(shù)據(jù)挖掘中的應(yīng)用。在上述研究的基礎(chǔ)上，本文提出了一個(gè)基于粗糙集理論的零售業(yè)數(shù)據(jù)挖掘體系結(jié)構(gòu)，設(shè)計(jì)了與此配套的相關(guān)數(shù)據(jù)挖掘算法；最后通過(guò)一個(gè)實(shí)例驗(yàn)證研究結(jié)果的有效性。 本論文提出的零售業(yè)數(shù)據(jù)挖掘系統(tǒng)體系結(jié)構(gòu)由三個(gè)層次構(gòu)成：數(shù)據(jù)準(zhǔn)備層、數(shù)據(jù)預(yù)處理層、挖掘評(píng)價(jià)層。它能夠有效地從數(shù)據(jù)庫(kù)中提取出有用的知識(shí)并經(jīng)過(guò)評(píng)價(jià)系統(tǒng)進(jìn)行反饋校正，建立業(yè)務(wù)知識(shí)庫(kù)，給決策者提供高質(zhì)量的決策信息和決策支持。其數(shù)據(jù)挖掘過(guò)程中的大部分任務(wù)，均由

3、基于粗糙集理論的算法來(lái)承擔(dān)和完成。 在數(shù)據(jù)準(zhǔn)備層，主要工作是數(shù)據(jù)收集、數(shù)據(jù)確認(rèn)和數(shù)據(jù)篩選。數(shù)據(jù)收集是將分布在傳統(tǒng)業(yè)務(wù)模型基礎(chǔ)上的數(shù)據(jù)經(jīng)過(guò)面向決策的數(shù)據(jù)加工和精練，轉(zhuǎn)移到數(shù)據(jù)倉(cāng)庫(kù)中。數(shù)據(jù)確認(rèn)主要是對(duì)銷售數(shù)據(jù)、商品數(shù)據(jù)、客戶數(shù)據(jù)進(jìn)行定義。數(shù)據(jù)篩選主要是清除噪聲和無(wú)關(guān)數(shù)據(jù)。在數(shù)據(jù)預(yù)處理層，本論文通過(guò)對(duì)基于信息熵的連續(xù)屬性離散化算法的研究，提出一個(gè)改進(jìn)的算法，增加一個(gè)控制闋值。克服了原算法對(duì)大數(shù)據(jù)集的過(guò)度適應(yīng)性。數(shù)據(jù)完備化使用基于量化容

4、差關(guān)系的數(shù)據(jù)完備化算法實(shí)現(xiàn)對(duì)遺失數(shù)據(jù)的填充。本算法中的容差關(guān)系矩陣計(jì)算對(duì)象之間的相似度，并將其量化，提高了缺失對(duì)象的補(bǔ)齊能力。經(jīng)過(guò)預(yù)處理后形成可供規(guī)則提取算法使用的完備信息系統(tǒng)。在挖掘評(píng)價(jià)層，通過(guò)基于近似集的屬性約簡(jiǎn)算法，在完備信息系統(tǒng)上提取最佳約簡(jiǎn)集，進(jìn)行屬性規(guī)約。引入置信度和支持度的概念，設(shè)計(jì)增量學(xué)習(xí)式規(guī)則提取算法。規(guī)則提取分為三個(gè)階段：初始規(guī)則庫(kù)生成、規(guī)則更新、規(guī)則評(píng)價(jià)。該算法能適應(yīng)數(shù)據(jù)的動(dòng)態(tài)增加，并根據(jù)置信度和支持度闋值來(lái)對(duì)規(guī)則