基于MATLAB手机销售额预测模型论文.doc

基于MATLAB的手机销售额预测模型 目录 摘要 １ 第一章 绪论 ２ 1.1 本论文的背景和意义 ２ 1.2 本论文的主要方法和研究进展 ２ 1.3 本论文的主要内容 ２ 第二章 对聚类分析的具体应用 ３ 2.1 聚类分析的应用背景 ３ 2.2 聚类分析对手机产品的应用分析 ３ 2.3 聚类分析的应用意义 ４ 第三章 聚类分析对手机市场的影响 ５ 3.1 聚类分析的手机产品市场应用实例 ５ 3.2 聚类分析在生活中的作用 ５  摘要 MATLAB是一套高性能的数值计算和可视化软件，它集矩阵运算、数值分析、信号处理和图形显示于一体，构成了一个界面友好、使用方便的用户环境，是实现数据分析与处理的有效工具。本文运用谱系聚类和K均值聚类，来预测手机的市场占用率以及手机的未来市场份额。在实际应用中，对销售商来说是一个不错的借鉴。 关键字：矩阵运算 数值分析 信号处理 谱系聚类 K均值聚类 第一章 绪论 1.1 本论文的背景和意义 近年来，随着经济的迅速发展，人们的消费水平以及对高端产品的需求能力也提升到了一个新的水平，曾是极少数人代表身份的手机如今已然成为大众商品，手机的更新换代的速度也开启了一个新的纪元。各种不同品牌的手机厂商不遗余力，纷纷定制各种手机销售策略和品牌策略，加大销售力度，试图增加自己的产品在市场中的占有份额。本文通过MATLAB谱系聚类与K均值聚类模型对手机的市场占有份额进行预测，从而为预想达到一定市场占有份额的手机品牌制定有效的市场销售策略。 1.2 本论文的主要方法和研究进展 数据聚类是对于静态数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集，这样让在同一个子集中的成员对象都有相似的一些属性，常见的包括在坐标系中更加短的空间距离等。 第二章 对聚类分析的具体应用 2.1 聚类分析的应用背景 系统聚类是目前应用最为广泛的一种聚类方法，其基本思想是：先将待聚类的n个样品（或者变量）各自看成一类，共有n类；然后按照实现选定的方法计算每两类之间的聚类统计量，即某种距离（或者相似系数），将关系最为密切的两类合为一类，其余不变，即得到n-1类；再按照前面的计算方法计算新类与其他类之间的距离（或相似系数），再将关系最为密切的两类并为一类，其余不变，即得到n-2类；如此下去，每次重复都减少一类，直到最后所有的样品（或者变量）都归为一类为止。 从X的非主对角线上找最小（距离）或最大元素（相似系数），设该元素是Xpq，则将Gp、Gq合成一个新类Gr=（Gp，Gq），在X中去掉Gp和Gq所在的两行和两列，并加上新类Gr与其余各类之间的距离或相似系数，得到n-1阶矩阵X1;然后继续重复上述操作步骤，直到样品聚为一个大类为止。 2.2 聚类分析对手机产品的应用分析 2013年我国如，为了研究，需要利用统计资料对其进行分类 销售额 价格 功能 耐用性 三星 1200 5000 56% 50% 华为 967 2400 60% 56% 小米 876 1600 53% 30% 中兴 549 1300 30% 35% 酷派 673 1200 30% 40% clear x=[1200 500 0.56 0.50 967 2400 0.60 0.56 876 1600 0.53 0.30 549 1300 0.30 0.35 673 1200 0.30 0.40]; d=pdist(x); z1= linkage(d) H= dendrogram(z1) z2= linkage(d,complete) figure(2) H2= dendrogram(z2) z3= linkage(d,average) figure(3) H= dendrogram(z3) 2.3 聚类分析的应用意义 聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不