基于粗糙集理论的零售业数据挖掘分析-管理科学与工程专业论文.docxVIP

摘要随着信息技术的飞速发展，零售企业积累了大量的历史数据，商业企业意识 摘要 随着信息技术的飞速发展，零售企业积累了大量的历史数据，商业企业意识 到如何利用这些信息对企业的发展来说是至关重要的。因为想要在未来的市场占 有举足轻重的地位，必须拥有消费者、竞争对手、本公司的财务情况等信息，从 中获取可靠、准确、及时的信息来进行正确的决策是商家的迫切需求。本文研究 的正是如何将数据挖掘技术应用在零售业领域。 本文首先论述零售业数据挖掘现状和零售业数据挖掘目的，以及零售业业务 特点和当前国内零售业数据挖掘面临的困难；接着介绍粗糙集理论和它在数据挖 掘中的应用。在上述研究的基础上，本文提出了一个基于粗糙集理论的零售业数 据挖掘体系结构，设计了与此配套的相关数据挖掘算法；最后通过一个实例验证 研究结果的有效性。 本论文提出的零售业数据挖掘系统体系结构由三个层次构成c数据准备层、 数据预处理层、挖掘评价层。它能够有效地从数据库中提取出有用的知识并经过 评价系统进行反馈校正，建立业务知识库，给决策者提供高质量的决策信息和决 策支持。其数据挖掘过程中的大部分任务，均由基于粗糙集理论的算法来承担和 完成。 在数据准备层，主要工作是数据收集、数据确认和数据筛选。数据收集是将 分布在传统业务模型基础上的数据经过面向决策的数据加工和精练，转移到数据 仓库中。数据确认主要是对销售数据、商品数据、客户数据进行定义。数据筛选 主要是清除噪声和无关数据。在数据预处理层，本论文通过对基于信息熵的连续 属性离散化算法的研究，提出一个改进的算法，增加一个控制阕值。克服了原算 法对大数据集的过度适应性。数据完备化使用基于量化容差关系的数据完备化算 法实现对遗失数据的填充。本算法中的容差关系矩阵计算对象之间的相似度，并 将其量化，提高了缺失对象的补齐能力。经过预处理后形成可供规则提取算法使 用的完备信息系统。在挖掘评价层，通过基于近似集的属性约简算法，在完备信 息系统上提取最佳约简集，进行属性规约。引入置信度和支持度的概念，设计增 量学习式规则提取算法。规则提取分为三个阶段：初始规则库生成、规则更新、 规则评价。该算法能适应数据的动态增加，并根据置信度和支持度阕值来对规则 进行评价。 一 本文最后给出一个商场客户行为特征分析的实例，使用本文设计的数据挖掘 系统算法，挖掘出购买不同种类羽绒服的顾客特征，验证了本系统的实用性和有 效性。 关键词：零售业、数据挖掘、租糙集、数据预处理，规则提取 AbstractWim Abstract Wim the rapid progress of information technology,a large amount of historical data has been acclmaulated in retail enterprise．Many conmlerce enterprises have realized that it is important for development of the enterprise how to use this information．Since it is essential for decision-makers to possess COlnlrleree information， including customers，opponents，financial states of company，gaining reliable，exact and timely information in order to make right decision is enterprisers’urgent requirement． Thus this paper will illustrate the research on application of data mining techniques in the field ofretail business． This paper first make a introduce about the purpose and currently application of data mining in the field of retail business，it mainly probes into the characteristics and difficult of data mining in current inside retail business；then discuss concept of Rough Set theory and its application in data mining；on the base