论文部分内容阅读
随着互联网技术的快速发展，互联网信息呈现爆发式的增长，数据挖掘技术正是在这一背景下发展起来的一门新兴网络技术，打破了传统的数据分析规则，可以从海量数据中快速的挖掘出各种潜在信息，其有效的提高了当前互联网信息利用效率，对未来互联网技术进一步发展具有非常重要的意义。校园超市作为校园零售的主体，随着电子商务的快速发展，给校园超市经营带来了巨大的竞争和压力，如何深入了解校园超市零售商品之间的特点，发掘其潜在的有价值的信息，为客户提供更加优质的服务，是未来校园超市面临的一个重要的问题，因此，研究数据挖掘分析技术，并将其应用到校园超市销售数据分析中，具有一定的理论意义和实用价值。 本研究主要内容包括：⑴研究和分析了当前数据挖掘技术发展现状以及在超市销售数据分析中的应用现状，在此基础上对数据仓和数据挖掘相关技术进行了研究和分析，详细分析了联机分析处理（简称OLAP）和Apriori算法技术，结合实例分析对Apriori算法存在的问题进行了深入的研究，提出了相应的改进Apriori算法的设计，并通过实验分析验证了改进算法的正确性和可行性。⑵结合校园超市销售数据的特点，深入的研究和分析了OLAP和Apriori算法的特点，针对Apriori算法的在时间和空间上的消耗较大的原因，提出了基于OLAP和Apriori算法的混合挖掘模型的设计，通过该模型有效的提高数据挖掘分析效率，降低数据挖掘分析成本。⑶采用先进的数据挖掘分析平台----weka，完成了基于OLAP和改进的Apriori算法的挖掘模型的实现，并对某校园超市的销售数据进行了分析，得出了相关商品之间的关联性，验证了本文数据挖掘模型设计的正确性和可靠性。