基于超市购物数据的深度分析算法研究.pdf

简介：
本论文深入探讨了利用深度学习技术对超市购物行为进行数据分析的方法，旨在挖掘消费者购买习惯和市场趋势。通过构建高效的数据模型，为零售商提供优化库存管理和个性化营销策略的支持。 为解决实体店难以深入分析顾客购物过程的问题，提出了一种深度购物数据分析方法。该算法利用阅读器收集无源RFID标签的相位信息来间接计算商品相对移动速度，并以此对整个购物过程进行详细分析。考虑到超市内商品密集分布的特点，我们改进了I-kNN算法并结合HAC算法来进行更深入的速度数据处理，从而识别出顾客感兴趣的商品、热销产品、热点区域以及相关联的产品。 通过现有的商用设备建立了一个原型系统，在实际环境中进行了测试验证。理论与实验结果表明该方法在购物行为分析方面具有可行性，准确率超过78%，同时还能减少需要处理的数据量和降低计算复杂度。