决策树和关联规则在药品销售分析中的应用研究

论文摘要

药品作为一种特殊的商品,已经成为人们日常生活中的必需品。随着医疗制度的改革以及医疗卫生事业的发展,药店的竞争也日趋激烈。传统的药品信息管理系统在日常销售数据的管理中得到广泛地应用,但目前均只能提供较为简单的记录统计和查询,无法获取隐藏在销售数据中的规律。随着数据库技术的发展,数据挖掘技术作为新的数据处理与分析技术,得到了广泛的应用。数据挖掘就是对数据库中的大量数据进行抽取、转化、分析和模式化处理,从中提取出人们事先不知道的、同时又是潜在有用的关键知识的过程。通过数据挖掘技术来分析医药销售数据间的规律,利用这些规律来辅助经营者调整销售策略,进而提高医药零售企业的信息管理能力。本文的重点是针对医药零售企业的销售数据,利用数据挖掘技术来分析数据间的规律。通过对数据的建模,设计并实现相应的求解算法,然后将相应的分析方法应用到实际的管理系统中,进而完善医药信息管理系统的分析功能。具体研究内容包括以下3个方面：(1)通过对药品销售数据分类的问题分析,建立决策树分类模型。通过实验对比来确定ID3算法的选择,并针对其不足加以改进,将改进后的算法与原算法进行实验分析。利用决策树方法对药品销售中的顾客消费情况以及会员消费频次进行分析,通过改进的ID3算法实现数据的合理分类。(2)通过对药品关联的问题分析,建立关联模型。采用关联规则模型分析销售药品间以及销售药品类别间的关联性,在参数分析的基础上给出了合理的参数设置,然后利用Apriori算法完成销售药品间以及销售药品类别间的关联性分析。(3)设计并实现基于B/S结构的医药信息管理系统——销售信息管理子系统,将Java编程实现的改进的ID3算法和Apriori算法嵌入到相应的数据分析模块中,实现相应的数据挖掘分析功能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景与来源
• 1.2 课题研究的目的与意义
• 1.3 研究目标与研究内容
• 1.4 研究的技术路线与方法
• 1.5 本文的结构安排
• 第2章 数据挖掘技术概述
• 2.1 数据挖掘的背景及概念
• 2.2 数据挖掘的任务
• 2.3 数据挖掘的方法
• 2.4 数据挖掘的应用
• 2.5 数据挖掘的工具
• 2.6 本章小结
• 第3章 决策树在药品销售分析中的应用
• 3.1 决策树概述
• 3.1.1 决策树简介
• 3.1.2 决策树算法
• 3.1.3 决策树应用
• 3.2 药品销售数据分析的决策树模型
• 3.2.1 药品销售数据分类的问题描述
• 3.2.2 药品销售数据分类的决策树模型
• 3.2.3 决策树算法选择
• 3.2.4 药品销售数据预处理
• 3.3 ID3算法及其改进
• 3.3.1 ID3算法思想
• 3.3.2 ID3算法描述
• 3.3.3 ID3算法的改进
• 3.3.4 改进算法实验分析
• 3.4 改进的ID3算法在销售分析中的应用
• 3.4.1 顾客消费情况分析
• 3.4.2 会员消费频次分析
• 3.5 本章小结
• 第4章 关联规则在药品销售分析中的应用
• 4.1 关联规则概述
• 4.1.1 关联规则简介
• 4.1.2 关联规则算法
• 4.1.3 关联规则应用
• 4.2 药品销售数据分析中的关联规则模型
• 4.2.1 药品关联的问题描述
• 4.2.2 销售数据间的关联规则模型
• 4.3 Apriori算法
• 4.3.1 Apriori算法思想
• 4.3.2 Apriori算法描述
• 4.4 Apriori算法在药品销售分析中的应用
• 4.4.1 销售药品间的关联分析
• 4.4.2 销售药品类别间的关联分析
• 4.5 本章小结
• 第5章 医药销售信息管理子系统的设计与实现
• 5.1 系统总体设计
• 5.1.1 系统目标
• 5.1.2 系统架构及开发环境
• 5.1.3 系统功能结构
• 5.2 系统数据库设计
• 5.2.1 数据库概念设计
• 5.2.2 数据库逻辑模型
• 5.2.3 数据库表
• 5.3 系统功能详细设计与实现
• 5.3.1 顾客消费情况分析模块的设计与实现
• 5.3.2 会员消费频次分析模块的设计与实现
• 5.3.3 销售药品关联分析模块的设计与实现
• 5.3.4 药品类别关联分析模块的设计与实现
• 5.3.5 销售数据维护模块设计
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 未来工作展望
• 参考文献
• 致谢
• 作者从事科学研究和学习经历的简历