毕业论文-服装分销企业营销决策支持系统的设计.doc

服装分销企业营销决策支持系统的设计摘要本文以服装分销企业营销系统的设计为背景，针对服装分销管理中的一些有待解决的问题进行了研究。服装营销系统和其他企业的营销系统一样，所面临的环境都是复杂多变的，因此有关服装营销决策支持系统属于半结构化的决策支持系统范畴。这类系统中的决策含有大量不确定因素，缺乏程序化工作范式，需要意向决策支持的问题十分多见。本文采用了在服装营销管理系统中应用包含专家系统的推理模型思想，构建出了一个具有意向决策支持功能的服装营销管理系统框架，对如何建立问题生成子系统及其内部知识库进行了讨论。论文设计了服装营销决策支持系统的总体方案，完成了其软件和硬件运行环境的设计，并给出了数据转换、报表图标显示、MDX语句自导引、模型分析等多种功能的具体实现过程。关键词服装营销决策支持系统 意向决策支持技术 数据仓库 数据挖掘 智能技术Design of Costume Marking Decide Support SystemAbstractThis paper takes costume marking system as working background, discusses some important problems coming from the reformation of costume corporation in our country.The environment which marketing system of costume is very complex and changeable, just as the other marketing system. So decide support system (DSS) belongs to the category of semi_structure. Decision making of this system has much uncertainty factor, lacks normal form to be followed, therefore many questions need intending decision support. Reasoning model based on expert system (ES) applying to costume marketing system is described in this paper, meanwhile, the structure of knowledge base of this system is discussed in detail. The paper sets up a data mining model of online analysis process database based on intelligent techniques, offers a method which is on the base of predecessors and combines ANN and fuzzy control to this problem, and designs the software system of power marking DSS based on database warehouse running management for data transformation services (DTS), PivotTable service, multidimensional expressions (MDX) self-leading, model analyzing also. The paper focuses on intending decide support technique, data mining model and implementation of power marketing DSS.Keywords costume marketing DSS intending decision support technique data warehouse data mining intelligent techniques不要删除行尾的分节符，此行不会被打印-目录第1章 绪论11.1 课题背景11.2 服装分销商决策支持系统的发展状况及存在问题21.3 本文主要工作3第2章 意向决策支持技术在服装销售中的应用42.1 意向决策支持概述42.2 意向决策支持在服装营销系统中的作用42.3 具有意向决策支持功能的服装营销管理系统52.3.1 问题生成子系统原理62.3.2 问题生成子系统的设计及构建相关知识库72.4 本章小结11第3章 基于智能技术的服装销售模型的建立123.1 智能技术概述133.2 RBF神经网络的建立143.2.1 输入特征量的选取153.2.2 RBF神经网络的训练和预测163.3 模糊系统的设计163.3.1 输入变量的模糊化173.3.2 隶属函数的确定和图形表示方法173.3.3 模糊控制规则及算法结构183.3.4 反模糊化193.4 基于智能技术的数据仓库挖掘193.5 本章小结20第4章 服装营销决策支持系统的设计214.1 系统的硬件环境224.2 系统的软件环境234.3 决策支持系统的设计234.3.1 数据转换聚合子系统244.3.2 统计报表生成子系统244.3.3 综合查询子系统254.3.4 综合分析子系统254.4 系统集成264.5 本章小结28结论35致谢36参考文献37附录38千万不要删除行尾的分节符，此行不会被打印。在目录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行 平凡文学网第1章 绪论1.1 课题背景我国既是服装生产大国,也是服装消费大国。根据中国服装协会调查,我国现有服装生产企业4.5万家,从业人员385万人,年服装生产能力138亿件。自改革开放以来,我国服装业的产量增长14.9倍,年平均递增速度达14.4%1。纵览二十多年的发展,我国服装业大致经过四个阶段: 最初的十年里是产量阶段,谁要解决生产能力问题就能挣大钱；其后的五年时间里是质量阶段,在供需基本平衡后,满足顾客质量要求的能力成为决定因素；再后五年是品牌阶段,提供可识别的、有持续质量保证能力的产品和服务成为占领市场的决定因素；现在的服装业正逐步向风格与定位阶段过渡,产销模式上也开始实行科学规范的生产管理以及多元化的销售模式。但是目前我国服装行业生产、营销仍然存在许多问题和不良现象，主要表现为以下几点：(1) 服装科技落后。我国服装工业技术装备水平虽然在“九五”期间有很大提高,但对高新技术应用不广泛,国内CAD/CAM的普及率还不到5%,而在一些发达国家CAD的普及率已达到70 %,我国的台湾地区也达到了30%。服装市场具有“多品种、小批量、高质量、短周期”的特点,决定了服装企业的竞争要在设计、生产、销售、市场信息反馈等基本环节上要突出一个“快”字,而服装CAD正是服装企业实现快速反应的重要手段。(2) 我国尚没有一个世界级服装品牌。几年来,通过实施服装名牌战略,国内已形成一批以品牌为代表的企业群体,如杉杉、雅戈尔、报喜鸟等,但能够走出国门,直接参与国际市场竞争的服装品牌还几乎没有,这与我国作为“服装大国”的地位极不相称,主要是由于企业对创造世界名牌的重要性还缺乏认识,加之竞争意识不强,尤其是企业领导层的观念、意识还和世界经济一体化、市场经济国际化的潮流不相适应,甚至没有危机感；同时,从一个侧面也说明我国服装产品从品种、质量和技术含量与发达国家相比还有较大的差距。(3) 服装销售预测和生产计划缺乏科学量化分析。服装企业非常需要对销售趋势、库存、采购和财务等进行分析。但是由于信息不统一、信息传递不畅通、信息又不共享等诸多因素,企业的生产、销售还停留在单靠经验的预测和分析,往往无法快速反映市场销售的真实情况,从而缺乏对各个销售季节市场策略的正确指导,导致生产和销售的盲目性。(4) 服装降价、打折成风。降价、打折虽是一种促销行为,但在国内却变了味,表现为打折持续时间长、波及范围广、折扣幅度大。仅在北京的百盛、蓝岛、燕莎以及上海的市百一店、新世界、华联等大商厦中,就可以看到众多品牌的服装在打折,所获得销售利润极低。片面地采用打折来增长销售量,势必会使品牌在消费者心目中的主体形象也大打折扣,使品牌信誉扫地。(5) 供需矛盾依然存在卖衣难,买衣也难。服装市场有个怪异现象: 一方面,市场上服装的品种、数量相当庞大,厂家、商家大叫“卖衣难”；另一方面,仍有不少的消费者却抱怨“买衣也难”。这种“供大于求”却是从某种意义上“供不应求”的现象,其实是产品结构不良,是生产结构跟不上需求结构所致,同时这一现象也是目前我国服装市场上的一个巨大矛盾。(6) 服装市场“盗版”、“克隆”现象严重。这一现象引起的恶性竞争使得国内一些刚起步的品牌发展受阻。为了防止被“克隆”,许多知名品牌只好采取买断布料、推迟新货上市等消极办法。“宝姿”服装甚至特别规定其新品在全国的统一上市时间晚于同行半个月。同时,国际知名品牌往往因此也不愿落户中国,商场在引进国际品牌的谈判中困难重重,甚至不得不为此作出种种让步。这一现象严重阻碍了我国服装业的整体发展,也是造成服装市场低价竞争以及“卖衣难,买衣也难”供需矛盾的原因之一。于此对应的，目前我国服装业销售系统主要采用百货商店、小型服装店、超级市场、仓储市场、邮购等营销方式,随着时代的进步,新的方式不断涌现：买断经营、特许经营、网络营销、连锁专卖等新方式从遥远的异地移植到中国,为我国的零售业注入新的生机2。网络营销是今后服装商贸经营活动的必然趋势,可以通过电子广告的形式进行产品宣传和产品预告,签署电子定单,做到有计划生产,甚至零库存营销。有足够规模的企业可利INTERNET 建立全国乃至全球性的虚拟专用销售网络,实现物流与资金流的统一。国内一些有识的服装企业顺应时代的发展,抓住这一机遇,温州美特斯邦威企业已建立了独立的企业互联网站,并筹建网络休闲服饰电子连锁专卖店,实现无界化专卖连锁网络2。服装分销则是联系上述的服装生产企业和服装销售企业的纽带，在整个服装行业中起承上启下的作用，所以要实行我国服装业的现代化，分销企业的科学管理是必需解决的一个问题.1.2 服装分销商决策支持系统的发展状况及存在问题一般情况下，服装营销管理系统分为营销业务层、客户服务管理层、营销质量管理层和营销决策支持层四层，其中营销决策支持层是服装分销中的最高营销管理层，它主要是完成综合指标分析、市场需求预测、市场策划等功能，并为高层营销决策提供全面的信息支持，服装营销决策支持系统就是用来完成这部分功能的。目前，国内对服装销售决策支持系统进行研究成果频频有报道，这些成功主要集中在有关数据仓库和决策支持系统方面，但是对于情况较为特殊的营销决策支持系统的研究却很少涉足。总体而言，主要存在以下几个主要问题：1、目前，服装营销工作的运营经营管理一直沿用传统的解决方案，但随着系统运行时间的推移，数据量在不断增长。如此大量的数据，存放在数据库中，不但统计查询性能大幅下降，而且还会因为缺少有力的工具而难以得到有效的利用。2、传统的服装营销管理系统已经可以完成包括市场管理、业报报装、财务管理等在内的日常工作，并且可以提供一些例行的辅助决策功能，例如：经营业绩分析、管理业绩分析、客户动态分析等。但对于一些非例行的决策问题或意向决策问题却没有提出明确的解决方案。3、在服装营销决策中，运营成本是决策所需考虑的重要方面，同时也是决策管理者最关心的问题之一，而服装的销售情况又直接关系到分销企业的运营成本和经济状况。但在目前的营销工作中，有关购进和售出的各项决定并不是基于数据库中信息丰富的内容，而是基于决策者的直觉。1.3 本文主要工作基于以上问题，本文以服装分销决策支持系统为题进行了调研、模型设计、系统设计等工作。本文将主要从以下几点进行论述。1、 提出了在服装营销工作中应用意向决策支持技术的思想，并设计了一个“DSS+问题求解单元+知识库”的智能决策支持系统（IDSS）方案以完成意向决策支持功能。2、 提出了基于智能控制技术的服装销售预测数据挖掘（DM）算法，并通过与SQLSERVER中模型的对比，证明了该方法的准确性和实用性，为现场应用作了准备。3、 提出了服装分销决策支持系统得总体设计方案，完成了其软件和硬件运行环境的设计，进行了数据转换聚合子系统、统计报表生成子系统、综合查询子系统和综合分析子系统四部分的设计。4、 以服装分销中购进和售出为例，给出了服装分销决策支持系统的数据装换聚合子系统、综合查询子系统、综合分析子系统和报表生成子系统四部分的实现过程。第2章 意向决策支持技术在服装销售中的应用随着我国加入WTO，国际竞争日趋激烈，服装分销体制也发生了深刻的变化。为了配合这种变化，适应市场发展的新需要，实现服装分销系统管理的信息化，应该建立起全新的分销管理系统，这样才能更好的把握市场，考核营销工作，提高我国服装行业整体竞争力。服装行业自上世纪90年代开始，逐步在一些规模较大的品牌中开发和使用了营销管理系统，迄今为止，应用的服装营销管理系统已经可以完成包括市场管理、业扩报装、财务管理在内的有关服装分销方面的多项日常管理工作，并且可以提供一些例行的辅助决策功能，例如：经营业绩分析、管理业绩分析、客户动态分析等。但是对于一些非例行的决策问题或意向决策问题却没有提出明确的解决方案。本文以服装分销商经营决策为研究背景，把意向决策支持技术应用于服装营销决策中，为服装营销系统的决策支持提供了更为灵活的手段。2.1 意向决策支持概述意向，在决策领域中是指决策者关于某一决策问题的一种模糊想法。这种想法往往难以在决策者头脑中形成一个单一、明确的概念描述。当系统应用的领域比较单一，或是只局限于一个狭小的范围时，这种意向决策问题并不多见，因为决策者往往对所面临的情况十分熟悉，所以一般都能够提出一个明确的目标；但当所处理的问题进入综合性的、有关全局的应用领域时，需要意向决策支持的问题就变得比较常见。此时，决策者本身也只是直观的感觉到应该做出某种决策，至于这种决策究竟是有关哪方面的，是个什么样的决策问题，就无法确定。此时，决策者所需要的就是系统提供有关方面的意向决策支持服务。意向决策支持服务技术就是采用相关方法解决此类问题的一种技术。目前，学术界在这方面有很多理论和方法提出，如人工神经元、专家系统、灰色理论、模糊理论等。2.2 意向决策支持在服装营销系统中的作用服装营销系统和其他企业的营销系统一样，所面临的环境都是复杂多变的，因此服装营销的决策系统属于半结构化的决策系统范畴，这类系统得决策中含有大量的不确定性因素，缺乏程序化的工作范式，需要意向决策支持的问题十分多见，但现在普遍应用的服装营销管理系统，对于解决确定的、目标单一的、例行决策支持和管理问题确实取得了良好的效果；而对于服装营销决策中经常要面对的突发性事件，却没有提供有力的支持。针对这种情况，在服装营销系统中加入意向决策支持功能，用以解决一些模糊的非例行问题是很有必要的。一般它应达到以下两个建设目标。1，以客户为中心，创建真正的“交互式”系统以往开发的服装营销管理系统往往只侧重于单纯的事务性劳动，使用户的大部分时间和精力都花在被动的查询工作中，这种缺乏用户和使用者之间双向交互的系统已经不适应服装营销工作的发展需要。加入意向决策支持功能后的新系统能实现主动式的管理，它面向用户，采用多种手段与用户交流，提供给用户一个详尽的联想和推理的空间，从而帮助用户把自己笼统得决策意向转化为清晰的决策问题，实现了“以客户为中心”的交互式设计。2，面向市场，建立具有“灵活性”的系统一般对于服装营销系统的开发人员而言，真正的困难在于正确理解用户的意图（即构造问题）而不是对相应的问题进行求解（即解决问题）。这是因为（1）用户与系统开发人员存在着对专业知识认识上的差异；（2）在没有提供清晰的联想和推理框架时，用户难以完全说明他们本身的确切要求。这样开发出的系统是不具备灵活性的。2.3 具有意向决策支持功能的服装营销管理系统图2-1 服装营销决策系统框图为了使服装分销商的营销系统的工作及决策具有一定的灵活性，适应服装市场竞争的加剧，以及服装市场环境的变化所带来的一些意想不到的变化的影响。在全面系统的分析基础上，在服装营销管理系统中加入意向决策支持功能，使整个系统具有了真正意义上的灵活性。一般的决策支持系统都是面向模型的，而决策者又是面向问题的，为了解决这个矛盾，为意向决策问题提供最有力的支持，应该采用基于知识的问题生成和解决子系统，通过它与决策者的交互，获取事实进行推理，并最终确定一个模型方案。这种解决方案，实际上也可以看作是包含了专家系统的推理模型，目的是利用专家系统的定性分析机制，实现定性分析与定量分析的有机结合。在服装营销决策与管理系统的具体设计中采用了“DSS+问题求解单元+知识库”的IDSS设计方案，在传统的DSS基础上增加了一个知识库和问题求解单元，设计系统框架图如图2-1所示。2.3.1 问题生成子系统原理如前所述，对于一个辅助决策过程而言，困难的是构造一个问题而不是解决一个问题，所以如何利用现有技术引导用户对自己的决策意向进行识别；如何运用人机交互的手段一步一步的对决策意向进行明确和细化，使其最终转化为一个决策问题，这正是设计此系统的难点。而问题生成系统的设计是意向决策支持系统的瓶颈问题，以下就以服装分销商营销系统为背景，给出问题生成子系统的设计方案。文献3给出了一般的问题生成系统的运行机制，如图2-2所示图2-2 问题生成系统运行机制此运行机制实际上就是人类完成相应意向推理的全过程：人们在解决自身无法清晰表述的问题时，总是先把它限制在某个大范围之内（即情景设定阶段），如：市场策划问题；然后根据自联想和借鉴他人的经验，把此范围内的各项因素及其与问题的相关程度列出（即意向详细描述阶段）；再在此范围中，通过分析、推理把一个决策意向明确为一个决策问题（情景分析阶段）。在利用计算机进行意向决策支持辅助设计时，当然也是遵循这些原则。2.3.2 问题生成子系统的设计及构建相关知识库依据上述机制，并结合各种意向决策支持技术，服装营销意向决策支持系统中问题生成子系统应具有图2-3所示结构。图2-3 问题生成子系统结构1、人机交互界面：人机交互界面的功能是实现用户与计算机之间的对话，这是问题生成系统设计中需要很好解决的问题之一，因为计算机不但通过人机交互界面接受决策者的问题或意向描述，还要把问题生成的结果通过人机交互界面告诉用户，这个过程相当于问题运行机制中的意向识别过程。设计时可采用多媒体的人机交互界面。这里的多媒体是以多种媒体命令为人机交互手段多媒体命令包括用户键盘输入的字符命令、鼠标输入的图形命令或语音输入等。同时也要兼顾到用户的用语习惯和决策风格。2、知识库：知识库的设计是整个子系统运行的基础，也是应用意向决策支持技术要重点解决的问题。按性质的不同，可把知识分为事实性知识和规则性知识两种，事实性知识用于描述一些服装营销的基本情况；而规则性知识则是对联想和推理的结果以条件结论的形式给予描述。依据问题生成系统运行机制，知识库可由以下几个子知识库组成。情景设定知识库：情景设定知识库中的知识用来细化用户的意向决策问题。可以采用概念分层的方式设计情景设定知识库。概念分层是一种有用的背景知识形式，一个概念分层就是定义一个映射序列，它将低层概念映射到更一般的高层概念。因为服装营销主要是围绕着营销活动进行的，而营销活动考虑的又是如何满足用户的需求和扩大企业的盈利，所以有关服装营销的决策又可以从客户分析、服装销售情况分析、需求预测和市场策划这几个方面来分别考虑，可以把这几个方面作为基本问题，让用户在其中考虑其他方面和其他因素，来细化自己的问题。以有关“客户分析”的意向决策基本问题为例，这个基本 问题包含的其他因素是：考虑客户地区、考虑大小客户、考虑客户信用、考虑客户投诉这四个小问题。这些具体的小问题可以映射到它所属的较高层次的概念中。这些映射就形成了“客户分析”的概念分层，见图2-4。图2-4 客户分析的概念分层有了这种概念分层的形式，用户就可以通过“上卷”（即通过一个维的概念分层向上攀升）和“下钻”（它是上卷的逆操作，它显示由不太详细的数据到更详细的数据）操作在多个抽象层上细化自己的决策意向，之后再自由的组合这些选项，给出相应选项在此决策意向中所占的比重（用0到1之间的数表示），并使所有选项的比重值之和等于1。例如，经过这一步，用户把自己的决策意向的详细描述为：“考虑客户地区”（0.2）、“考虑大小客户”（0.3）、“考虑客户信用”（0.5）的客户分析问题。实际应用中可以把知识作为一种特殊的数据存储在数据库中。可以以SQL Server 2000作为前端数据仓库平台，VB为编程语言，完成相应设置。上述实例在数据库中的主表可设计为：客户分析分层知识主表db_user knowledge，具体表示如表2-1所示。在实际应用中，用户选择了哪几个方面来细化意向，就在表中增加一个记录，把相应选项置为1，如上例中增加的记录为（1 1 1 0），可依据此值调用相关表，并进行相关情景分析知识库中的处理。表2-1 客户分层知识主表键字段名类型长度空含义关系表0C_diqint41（考虑）地区的客户分析地区子表0C_daxiaoint41（考虑）大小客户客户子表0C_xinyongint41（考虑）客户信用赊欠时间表0C_toushuint41（考虑）客户投诉客户投诉分类表情景分析知识库：情景分析知识库中的知识起到了模型自动引导的作用。在这里采用的技术是包括推理规则知识库和模型设定知识库的常用模型自动引导方法。它的原理主要是先将决策问题映射到模型的各主要特征集合上，然后再由模型的特征集合映射到各模型集合上。主要包括推理规则知识库和模型设定知识库。推理规则知识库：此知识库中以“if-then”的形式存放着用户的决策问题与模型的各主要特征间的相关性和对各主要特征的支持度。这些知识可以是由领域专家、知识工程师、系统用户提供；也可以是数据挖掘工作自动产生。构建推理规则知识库的复杂性在于用户的决策意向问题往往是多个原子条件的逻辑组合，所以在规则设定中采用了“多重与逻辑表”和“相关联度函数表”这两个概念。例如，上述问题可以用推理规则知识库中的规则表示如下：IF（用户）有“考虑地区”（0.2）、“考虑客户大小”（0.3）、“考虑客户信用”（0.5）的客户分析问题，THEN（问题与下列特征关联）“调整价格”、“调整进货量”、“调整售出量”、“改善服务”、“发出工作票”、“时间”，多重与逻辑表，相关度函数表）其中多重与逻辑表和相关联度函数表为表2-2所示。表2-2 “多重与”逻辑和相关联度函数与 关联度调整价格调整进货量调整售出量改善服务发出工作票时间考虑地区1.01.01.0客户大小1.01.00.5客户信用1.01.01.0模型设定知识库：此知识库中存放的是各主要特征与相关模型之间的关联度。模型库主要由多目标规划问题模型、预测分析过程模型和其他模型组成。例如，上述问题在模型设定知识库中的规则可以表示为表2-3所示。表2-3 规则中相关度表调整价格调整进货量调整售出量改善服务发出工作票时间多目标规划模型0.50.50.51.01.00.5预测分析模型01.01.00.501.0这里，为了解决多种条件的逻辑组合问题，需要设定用户的意向描述与模型库的相关强度。如公式2-1所示： （2-1）其中为某一决策意向与模型i的相关度；为用户自己设定的各原子条件在决策意向中所占的比重（即主观因素因子）；为各原子条件与模型主要特征的相关程度；为模型主要特征与模型的相关程度。依照此公式可以计算得出决策意向与各模型的相关程度，然后可按与决策意向相关强度最大的模型进行决策。例如，上述问题采用公式计算后，；从中可以得到这个客户分析问题应采用预测分析过程模型进行处理。由上即可完成了模型的自动导引。3、推理机（控制模块）：其作用事按照用户的不同选择，调用不同的知识库进行相关问题的识别和决策支持。当用户进入问题生成系统后，推理机首先调用情景设定知识库，这样用户就可以在意向查询的交互式界面上，通过上卷和下钻操作，对自己的决策意向进行细化，最终产生一个明确的决策问题。当用户对意向的表述结果比较满意的时候，推理机再调用情景分析知识对用户的决策意向进行处理，并得到与决策意向相关程度最大的过程模型，供给问题解决子系统使用。经过上述处理后，下面的要求就是对决策问题的求解过程提供有效的决策支持手段，因为对这个问题提供有力支持一直是服装营销系统应用研究中的一个重点，已有许多相关领域的研究成果，这里就不再赘述。总之，服装营销管理系统的设计不但要充分利用各种信息，实现复杂化的查询和报表功能；而且应该利用现有技术，实现对服装营销全过程的合理化管理：即以用户为中心，真正想用户所想，提供给其一个完善的预测分析和决策支持功能。当然以上提出的只是一个框架，下一章将对用于数据挖掘分析的模型库进行分析，并建立一个预测服装销售量的模型。2.4 本章小结针对服装分销所面临的环境复杂多变的特点，本章主要介绍了意向决策支持技术在服装销售决策支持系统中的应用，主要完成了以下工作。1、简单地介绍了意向决策支持技术，并且重点阐述了该技术在服装营销系统中所能发挥的作用。2、具体介绍了具有意向决策支持功能的服装营销系统的工作原理，重点分析了问题生成子系统原理，并设计了问题生成子系统、构建了相关知识库。第3章 基于智能技术的服装销售模型的建立在上一章所提出的具有意向决策支持功能的系统中，一个重要的方面就是模型的建立和选取，有了各种适宜的模型，才能构成模型库，并最终完成本文所提出的整个意向决策支持功能。本章以一个具体问题为例，建立了一个基于智能技术的数据仓库挖掘模型。在服装营销决策中，运营成本是决策所需要考虑的重要方面，同时也是决策管理者最为关心的一个问题，而与运营成本相关的最主要因素是服装的销售情况。这是因为服装分销在整个服装行业中处于一个中间位置，负责服装生产企业和服装零售商之间的连接，因而服装的销售情况直接关系到整个服装行业的运营情况。服装销量预测就是这样一种对未来需求量的预测，它是服装营销工作中重要的一环。若能够以前几个月的服装销售量预测出下一个月的销售量，并以此为依据购进服装，这样既可以避免由于估计过量而导致损失，又可以避免由于预测不足而导致的利润减少、客户丢失等。为了完成这一目的，必须对现有的数据仓库中的服装营销数据进行分析，从中发现并提取出隐含在其中的信息或知识。这个过程就是数据挖掘过程，其目标是帮助分析人员寻找数据之间的联系，发现被忽略的要素，挖掘出对预测趋势和决策行为有用的信息。数据挖掘一般过程如图3-1所示。图3-1 数据挖掘一般过程从中可以看出数据挖掘过程一般包括以下几个步骤：1、预处理数据，收集和净化来自各种数据源或数据仓库的信息，并加以存储，一般是将其放在OLAP数据库中。2、模型搜索。利用数据挖掘工具在数据中匹配模型。对于一个问题的搜索过程可能用到许多模型，例如：神经网络、决策树等。3、评价输出结果。4、生成最后的数据报告和解释报告。从中可以看出，在数据挖掘过程中，数学模型是非常重要的分析数据的方法。在Microsoft SQL SERVER 2000提供的分析服务器（Analysis Servers）工具中，包含了两种数据挖掘模型：决策树模型和聚类分析模型，利用它们可以对服装销售数据进行分析，发现一些规律性的东西。但是这种结果往往比较粗糙，精度不高，难以对服装企业的营销工作起到指导作用。本文提出了一种基于智能技术的数据挖掘模型，通过此模型可以得到较为理想的服装销售预测数据。3.1 智能技术概述目前对服装销售预测的专门研究不少，但人们大多采用传统的方法来进行预测，如时间序列方法、回归分析方法和模式识别方法，这些方法也都取得了不同程度的成功。但这些方法也都存在着缺陷，时间序列方法不易考虑地区等因素的影响，回归分析方法存在着如何确定回归方程的问题，而模式识别方法只能处理销售区域比较小的系统。而人工神精网络能够建立任意非线性的模型，并适用于解决时间序列预报问题。因此很适合应用于服装销售系统的预测中。在服装销售预测中，应用最多的神经网络是多层感知机，并应用反向传播算法（BP算法）进行网络训练，然而，传统的BP算法有诸如不易确定隐层神经元个数、容易陷入局部极小点和耗费大量计算机时等缺点，因而不适合实际使用。近年来的RBF（Radial Basis Function，径向基函数）网络作为另一种神经网络结构，以其灵活性强，易于训练，内插和外推性能好等优点而受到很大关注。RBF网络是一种三层结构网络，其隐层的作用在于实现一非线性变换，隐单元（又称“中心”）数目在网络训练过程中随问题的复杂程度和所需精度而动态调节，无需事先盲目确定。这种网络模型的训练过程表现为RBF网络中心的选择及隐层与输出层间权值的确定。但是，利用RBF神经网络进行预测时，需要大量的历史数据，在历史数据有限的情况下，往往使预测精度受到很大影响。为了克服这些缺点，相关研究表明，将BP神经网络和模糊控制结合在一起进行模糊预测，可以得到比较好的结果。本文利用RBF神经网络完成对用销售量的预测，在预测过程中，考虑了区域因素和和重大事件的影响；因为数据量的限制，对神经网络的输出用模糊调节进行修正，以便提高预测精度。3.2 RBF神经网络的建立服装销售量预测首先要解决的问题是非线性映射的实现，人工神经网路在这方面有一定的优越性。一般情况下，假定要求学习的非线性映射为式3-1。 （3-1）公式（3-1）是在域中聚类子集上的一个多输入单输出实连续函数，其样本的数据为：上式中，s为样本数，而形成了样本集。图3-2 RBF网络拓扑结构如图3-2所示的RBF网络，可以用来拟合式（2-2）所描述的非线性关系，它实现的映射为式3-2所示。 （3-2）式中，为输入向量，为一给定的非线性变换，表示欧式范数；为权值；成为RBF网络的中心，表示拟合误差，非线性变换函数可选为式3-3所示。 （3-3）定义误差函数如式3-4所示。 （3-4）其中，为样本的输出，为网络的输出。可以证明，当所选的函数系线性无关的时候，可通过增加隐层单元的数目，达到不断提高拟合精度，使小于给定误差的目的。然而，在实际应用中，若m取得太大，就可能造成模型的冗余和数值病态的出现，因此必须采取有效的方法进行网络中心的选择和网络权值的确定。本文采用正交最小二乘法选取隐含层节点基函数的中心。此方法的优点是可选出最佳的样本点作为中心。当网络输出权值训练基函数的参数确定后，输出层的计算非常简单，对应于多输入但输出网络，用最小二乘法使价值函数最小即可。购买和销售是服装分销中的一项非常重要的活动，但这个决定常常不是基于数据库中信息丰富的数据，而是基于决策者的直觉。这是因为决策者缺乏从海量数据中提取有价值知识的工具，因此设计一个合理的数据模型已完成此项工作是十分必要的。3.2.1 输入特征量的选取对于神经网络训练，输入量的选择是非常关键的问题，输入量不能取得太少，否则不能起到区分判断的能力；也不能取得太多，否则影响网络训练的速度。显然，当月的进货量与以往同类型月的销售量有着很大的关系，而这个销售量又会受季节、重大事件等因素的影响。如夏冬两季羽绒服的销售量会明显不同；当有重大事件，如奥运会、世界杯等时，服装的款式和颜色都会受到一定的影响。这样，在选择样本时，应考虑到如下关系：1、首先，预测月的环境向量是必不可少的；2、考虑到服装销售量变化应该是一个平稳的随机过程，那么用前一两个月的销售量可取得较好的平滑作用；3、某一个月的销售量同前一至两个月的销售量应该比较相似；同去年（前年）同一月份的销售量也应该比较相似。综合考虑上述因素，并结合服装销售的特点，本文选择神经网络的输入如下：预测月前两个月的销售量和对应的各月的环境向量；预测月前一年的同一月和其两侧各一个月的销售量，以及对应各月的环境向量；预测月前两年的同一月和两侧各一个月的销售量，以及对应各月的环境向量；预测月的环境向量。神经网络的输出向量为预测月进货量。由此可建立一个输入层为17个节点，输出层为一个节点，隐含层个数待定的神经元网络，隐含层节点基函数采用高斯函数。神经网络的训练样本集是从过去两年的历史数据中选取了典型数据组成，由此构成了RBF神经网络的训练对象。此神经网络可以拟合如下的非线性关系：其中，为第i个月的出售量，为第i个月环境向量。环境的量化情况（以冬季服装为例）如下：1月23456789101112110.50-0.5-1-1-1-0.500.513.2.2 RBF神经网络的训练和预测根据样本选择原则，给每一个神经网络选定一个训练样本集，样本集包含12个样本。选择隐含层节点基函数的宽度为10，初始中心为0，利用最小二乘法进行训练。3.3 模糊系统的设计在很多情况下，由于被控对象的非线性或有较大的随机干扰，很难建立起被控对象的数学模型，对于那些不能直接获得数学模型的系统，传统的控制方法往往难以取得令人满意的控制效果，然而这类被控对象在人的手工控制下却往往能够正常运行。因为人们在手动控制中，往往采用一些不精确的语言规则进行控制，收到了预期的效果，由此演化而来的就是模糊控制系统，见图3-3。图3-3 模糊控制系统利用神经网络预测的误差和误差变化率，通过模糊系统的控制，形成下一次预测的调整量，使预测误差减小。模糊控制器输入为当前时刻的预测的销售量与实际的销售量的差额和差额的变化率,输出是对下一个销售量的调节量。调节量又公式3-5计算。 （3-5）其中为模糊系统的输出值，为对下一个负荷预测的修正值，为误差变化率，上述公式的作用是将模糊系统的输出值先投影到误差区域上，再加入误差变化率的影响，这样可以保证首先对误差进行调节，然后再消除误差的变化，使系统保持稳定。一般情况下，模糊推理是采用模糊逻辑由给定输入到输出的映射过程：1、输入变量模糊化，即把确定的输入转化为由隶属度描述的模糊集。2、模糊规则的前件中应用模糊算子（与、或、非）