针对超市购物数据的深度分析算法

摘要：

针对实体店很难对顾客整个购物过程进行深度分析的问题,提出了一种深度购物数据分析方法.该算法通过使用阅读器收集无源RFID标签的相位信息,以此间接计算商品的相对移动速度,再根据相对移动速度对购物过程进行分析.在考虑到超市商品的密集分布特点后,提出改进的I-kNN算法,采用I-kNN算法和HAC算法进行深入的速度数据分析,识别出感兴趣商品、热销商品、热点区域以及相关商品.随后利用现有的商用设备,对所提出的系统建立了原型,在实际环境中进行测试.理论分析与实验结果表明,该算法在购物数据分析上是可行的,准确率在78%以上,且能够减少需要分析的数据量,降低计算复杂度.

关键词：时频识别(RFID)、相位、速度、改进k邻近算法、动态时间规划、层次聚类算法

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61572346,61572347;山西省国际科技合作项目2015081009;山西省国际科技合作项目201603D421012

在线出版日期：2017-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：18-23,44