超市商品摆放位置数据挖掘.doc

滨江学院 数据挖掘实验报告 题 目： 超市商品摆放位置挖掘报告 院 系： 计算机系 专 业： 软件工程 班 级： 软件1班 小组成员： 刘鹏 黄杰飞 吴思维 王悦 陆青凤 学 号： 20102344013 20102344009 20102344024 20102344021 20102344014 指导教师： 周北平 日期：2013 年 6月 16日 一、引言 随着计算机技术的应用和普及，各行业中数据的采集、存储能力大大增强，而对数据的处理和分析能力相对不足。传统的数据库方法虽然可以高效地实现数据的录入、修改、统计和查询功能，但却无法发现数据中隐藏的信息，人们今天所能获取和存储的数据已远远超过了对其处理和分析能力，这就造成了所谓的“数据坟墓”，大量的数据被采集和存储后，闲置下来，无人问津。数据总量的不断增加，迫切需要有效的分析工具，它能自动、智能和快速地发现大量数据间隐藏的依赖关系并从大量数据中抽取有用的信息或知识。以人工智能、统计学等为基础的数据挖掘技术就是为了迎合这种需要而出现的，为现代信息处理提供了一种新的方法和研究领域。 在展开本文立论前，有必要对本文研究范围内的核心方面(数据挖掘的研究动态与发展趋势)作出说明，以便综合与分析。 数据挖掘(DataMining)，就是从大量的、不完全的、有噪声的、模糊的、随机的数据库中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知 识的过程。 当前，数据挖掘知识发现的研究方兴未艾，数据挖掘研究人员、系统合应用开发人员所面临的主要问题是高效而有效的数据挖掘方法和系统的开发，交互和集成的数据挖掘环境的建立，以及如何应用挖掘技术解决大型应用问题。研究的焦点可能会聚集在以下几方面: （1）数据挖掘语言的形式化描述:研究专门用于知识发现的数据挖掘语言，以期形式化和标准化； （2）可视化数据挖掘:是从大量数据中发现知识的有效途径，使得数据挖掘过程可以被用户理解，方便进行人机交互； （3）多媒体数据挖掘:是指从大量的文本数据、图形数据、视频图像数据、音频数据乃至综合多媒体数据的开采中，通过分析语义和视听特征，发现其中隐含的、有价值的模式，处理的对象是非结构化的数据，有别于传统的数据挖掘对象； （4）Web数据挖掘:主要是利用数据挖掘技术从Intranet/Internet中自动发现并提取有用信息的过程，其数据最大特点在于半结构化。因此Web数据挖掘重点集中在开发新的Web挖掘技术以及对Web文档进行预测处理以得到关于文档的特征表示； （5）数据挖掘中的隐私与信息安全:是指需要进一步开发有关方法，以便在适当的信息访问和数据挖掘中确保隐私保护与安全。 二、设计正文 1.本文工作内容 本文的目标是运用数据挖掘的理论和方法，通过研究分析数据仓库，建立一个与ERP集成的以销售为核心的超市决策支持系统，以提高企业商业决策能力。 本文的研究重点有以下几个方面： （1）对数据挖掘的研究现状进行了分析，探讨了数据挖掘的基本原理与体系结构，并对数据仓库进行了研究，使得建立超市决策支持系统成为可能； （2）以超市数据仓库中的数据为原始数据，运用维度建模的方法建立了系统的信息模型，并且对数据进行分析； （3）建立超市决策支持原型系统，并在此系统的基础上，对原型系统进行了实例数据挖掘应用，并把结果进行了可视化转化，最后向企业决策人员提交了挖掘结果。 2.数据挖掘的概况 2.1数据挖掘的概念 数据挖掘主要是从大量的、有噪声的、模糊的、随机的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表现为概念、规则、规律、模式等形式。 数据挖掘是知识发现的重要技术，它并不是用规范的数据库查询语言(如:SQL语言)进行查询，而是对查询的内容进行模式的总结和内在规律的搜索。传统的查询和报表处理只是得到事件发生的结果，并没有深入研究发生的原因，而数据挖掘则主要了解发生的原因，并且以一定的置信度对未来进行预测，用来为决策行为提供有利的支持。 2.2 数据挖掘的任务 数据挖掘的任务是对数据库中的大量数据进行抽取、转换、分析和其他模型化处理，并从中提取辅助决策的关键性数据。数据挖掘的任务主要有以下几方面： （1）自动预测趋势和行为:自动寻找预测性信息，直接由数据本身得出结论。 （2）聚类分析。按相似性归纳分类，同类数