基于MATLAB的手机销售额预测模型论文有关.docVIP

基于MATLAB的手机销售额预测模型 目录 摘要 １ ２ ２ ２ ２ ３ ３ ３ ４ ５ ５ ５ 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。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。 第三章 聚类分析对手机市场的影响 3.1 聚类分析的手机产品市场应用实例 基于前面对手机市场的应用分析，同时根据消费者的消费习惯，如果没有特殊的情况，在更换手机的过程中，其保持原有品牌的概率比较大。但是，如果在其他品牌出现更具有吸引力的新型号以及更强有力的广告攻势和促销手段下，选择其他品牌手机的概率则会随之而上升。我们以三星品牌手机作为研究对象，在不考虑其他品牌销售策略影响的理想状态下，预测它将来的市场占有率以及预想达到更高的市场占有率所要做的销售策略。 在调查中品牌可以发现，三星品牌在中国的消费者中有一定的影响，但是由于进入我国市场的时间和时机等各种因素的影响，它的市场占有率还比不上诺基亚、索尼等品牌，但是在适当的品牌销售策略和适时的广告攻势引导下，它的市场占有率也发生了一定的变化。考虑推出不同档次的产品，采用不同的价格水平，形成不同的品牌形象，抓住不同偏好的消费者，有利于提高产品的市场占有率（诺基亚的高市场占有率也验证了这一点）。而从成本的角度考虑，在元宵过后的一段平稳时期，则应适当减低促销的力度，但要保持一定的广告密度。企业此时需要在市场调查的前提下对新产品的开发下功夫，为下一时间段的市场转移做准备。 3.2 聚类分析在生活中的作用 对于各种产品的市场，我们都可以利用聚类分析来做决策。就如同本文中用聚类分析对手机的市场分析一样