【技术实现步骤摘要】
本专利技术属于数据挖掘和机器学习，具体涉及一种基于关联规则分析的仓库内药品布局方法及系统。
技术介绍
1、随着信息技术的发展与普及，药品数据仓库技术也进入了快速发展期，但与发达国家相比还是有很大的差距。目前为止，国内没有成熟的数据仓库技术，导致出现了“海量数据，信息缺之”的情况，无法合理有效的利用大量的信息数据，这对企业是极大的损失。更重要的是国内数据仓库应用没有把它应用在整个企业范围内，没有建立统一协调的全局信息环境的庞大体系。国内的药品企业对数据仓库的需求越来越大，完备的信息管理系统以及海量的存储数据都为创建数据仓库提供了基础。部分企业引进国外先进的技术，也有一些企业自主研发数据仓库，越来越多的管理者意识到只有通过数据仓库才能真正的对企业信息进行全面了解，做出合理的规划与决策。因此设计一种数据挖据分析方案来提高药品企业的管理效率和经济效益显得尤为迫切。
2、apriori算法是关联规则挖掘领域的经典广度优先算法。apriori算法在关联规则挖掘过程中，会生成大量候选项集，再对其进行剪枝。然而，候选项集的生成过程会带来较大...
【技术保护点】
1.一种基于关联规则分析的仓库内药品布局方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述笛卡尔积的表述公式为：
3.根据权利要求1所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述根据笛卡尔积中的各参数组合，寻找各参数组合下事务数据库中各药品的强关联规则数量，具体包括以下步骤：
4.根据权利要求3所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述FP树的构建，包括以下步骤：
5.根据权利要求3所述的基于关联规则分析的仓库内药品布局方法，其...
【技术特征摘要】
1.一种基于关联规则分析的仓库内药品布局方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述笛卡尔积的表述公式为：
3.根据权利要求1所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述根据笛卡尔积中的各参数组合，寻找各参数组合下事务数据库中各药品的强关联规则数量，具体包括以下步骤：
4.根据权利要求3所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述fp树的构建，包括以下步骤：
5.根据权利要求3所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述根据条件模式基递归挖掘出频繁项集，进而根据最小置信度找到强关联规则，包括以下步骤：
6.根据权利要求3所述的基于关联规则分析的仓库内药品布局方法，其特征在于，所述最优的最...
【专利技术属性】
技术研发人员：付自建，郭俊颖，邵艳玲，张青松，刘定文，
申请(专利权)人：南阳理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。