数据挖掘在服装企业库存管理中应用探究.docVIP

数据挖掘在服装企业库存管理中应用探究 　　摘要：服装企业库存管理信息化程度的提高使企业积累了大量的生产、销售等真实数据。本文采用数据挖掘算法来分析和利用这些数据，挖掘出数据中潜在的知识。通过对数据挖掘算法的研究，将服装企业不同的挖掘目的与数据挖掘算法相结合，为服装企业的数据挖掘提供了可靠的解决途径。 关键词：服装企业，数据挖掘，算法 Research on Data Mining in Clothing Enterprise Inventory Management Application 作者：黄娜 作者单位：浙江纺织服装学院明州成教分院 Abstract: A large number of production and sales data is accumulated along with enhancing of informationization of clothing enterprise inventory management. In this paper, data mining algorithm is applied to analysis these data to excavate the potential knowledge among the data. Combining the data mining algorithms and different mining purpose is applied a reliable solutions for clothing enterprise. Key words: Clothing enterprise, data mining, algorithm 中图分类号： F407.86 文献标识码： A 文章编号： 1 前言 服装行业作为我国的支柱产业，对国家的经济发展有着重大的意义。服装行业具有流行性、时尚性以及季节性的特点，服装产品的生命周期非常短，所以对于服装产品的需求非常的不稳定，受到各种因素如上市时间，气候变化等因素的影响，也直接影响到不同时间，对于生产不同产品所需的原料的库存。[1]如何准确的预测不同情况下各个因素对于库存量以及各个因素之间存在着关联关系，对于企业资源和资金的合理安排有着重要的作用。 随着服装企业信息化程度的提高，服装企业库存管理系统在服装企业中有着深入的应用，长期的库存管理系统的应用必然为企业积累大量的真实的生产和销售等数据。如何利用这些信息发现隐藏在这些数据背后的知识，为企业提供有价值的知识有着重要的意义。 数据挖掘技术为解决上述的问题提供了重要的途径和方法。其主要任务就是设计各种有效的算法，从大型数据库的数据中发现人们感兴趣的潜在的、预先未知的有用的信息。 本文从数据挖掘的角度研究了其在服装企业库存管理中的应用。文章结构安排如下：第二节介绍了数据挖掘的过程以及几种数据挖掘算法；第三节将数据挖掘算法与服装企业的不同的目的相结合，进行了应用研究；第四节介绍了几种主流的数据挖掘软件；第五节做了总结以及进一步的研究内容。 2 数据挖掘过程与算法 数据挖掘（Data Mining）又称数据库中的知识发现，是目前人工智能和数据库领域研究的热点问题，指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。[2] 数据挖掘的过程主要分为以下五步：1、确定业务对象，即定义业务问题，认清数据挖掘的目的；2、数据准备，主要包括了数据选择、预处理以及数据转化三个部分；3、数据挖掘，对所准备的数据，选择合适的数据挖掘算法进行挖掘；4、结果分析，可视化的展示数据挖掘的结果；5、知识同化，将数据挖掘所得到的知识集成到业务信息管理系统中去。 本文中将介绍两种流行的数据挖掘算法：1、Apriori算法；2、支持向量机算法。 2.1 Apriori 算法 Apriori算法作为经典的关联规则数据挖掘算法已经广泛的应用于各个领域，算法通过对数据的关联性进行了分析和挖掘，挖掘出的这些信息在决策制定过程中具有重要的参考价值。[3] 该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义