针对超市购物数据的深度分析算法

来源：计算机工程与应用杂志2017年第14期北京时间：

作者：王丽科，赵菊敏，李灯熬

单位：太原理工大学 信息工程学院，山西 晋中 030600

摘要：针对实体店很难对顾客整个购物过程进行深度分析的问题，提出了一种深度购物数据分析方法。该算法通过使用阅读器收集无源RFID标签的相位信息，以此间接计算商品的相对移动速度，再根据相对移动速度对购物过程进行分析。在考虑到超市商品的密集分布特点后，提出改进的I-kNN算法，采用I-kNN算法和HAC算法进行深入的速度数据分析，识别出感兴趣商品、热销商品、热点区域以及相关商品。随后利用现有的商用设备，对所提出的系统建立了原型，在实际环境中进行测试。理论分析与实验结果表明，该算法在购物数据分析上是可行的，准确率在78%以上，且能够减少需要分析的数据量，降低计算复杂度。

关键词：时频识别（RFID）,相位,速度,改进k邻近算法,动态时间规划,层次聚类算法