基于RFID的超市購物數(shù)據(jù)分析算法研究.pdf

1、近幾年，非接觸的射頻識別技術(shù)（Radio Frequency Identification, RFID）已成為人們生活中不可或缺的一部分，憑借著自身體積小、遠(yuǎn)距離通信、無線識別、具有一定存儲能力且無需經(jīng)常人工維護(hù)等諸多特點(diǎn)，RFID成為信息數(shù)據(jù)收集領(lǐng)域的重要部分。隨著我國物聯(lián)網(wǎng)（Internet of Things, IoT）產(chǎn)業(yè)的飛速發(fā)展，RFID已廣泛地應(yīng)用于包括，管理供應(yīng)鏈、跟蹤牲畜、防止假冒、門禁系統(tǒng)、自動結(jié)帳以及圖書館書籍跟蹤

2、等諸多領(lǐng)域。
　　無源RF ID系統(tǒng)具有無需內(nèi)置電池、無線識別、成本低等優(yōu)勢，使其成為商場購物數(shù)據(jù)分析的重要技術(shù)。本文將RFID系統(tǒng)應(yīng)用于商場購物數(shù)據(jù)的深度分析，通過對商品各個(gè)狀態(tài)的實(shí)時(shí)信息采集和分析，挖掘顧客的感興趣商品和相關(guān)的商品，以及商場的熱點(diǎn)區(qū)域。為商場針對性地進(jìn)貨、促銷、以及商店布局提供了科學(xué)的理論依據(jù)，進(jìn)而能夠根據(jù)客戶的喜好推薦相關(guān)產(chǎn)品，為顧客提供更高質(zhì)量的服務(wù)。但如何在海量標(biāo)簽同時(shí)存在，同時(shí)移動的情況下，準(zhǔn)確、高效完

3、成購物數(shù)據(jù)的收集和分析是難點(diǎn)問題?，F(xiàn)有的多數(shù)數(shù)據(jù)分析算法時(shí)延大、能耗大且算法復(fù)雜不易實(shí)現(xiàn)，都很難高效、可靠且具有針對性地解決商場購物數(shù)據(jù)準(zhǔn)確、深入分析的問題。
　　本文提出的購物數(shù)據(jù)分析算法，針對性地解決了超市購物數(shù)據(jù)深入分析問題。首先使用閱讀器收集無源RF ID標(biāo)簽的相位信息，將收集的相位信息轉(zhuǎn)換為商品的相對移動速度。其次，考慮到密集放置的RFID標(biāo)簽間的相互干擾，針對性地找出了在大型場所中密集放置RFID時(shí)的變化規(guī)律，并在此基

4、礎(chǔ)上對 k最鄰近算法（k-Nearest Neighbor, kNN）做出改進(jìn)，提出了改進(jìn)的 kNN算法(Improved k-Nearest Neighbor, I-kNN）,利用I-kNN對收集到的相對移動速度序列進(jìn)行分析，對不同狀態(tài)商品進(jìn)行分類。之后，利用層次聚類（Hierarchical Agglomerative Clustering，HAC）算法將訓(xùn)練樣本集中的每個(gè)數(shù)據(jù)點(diǎn)都當(dāng)做一個(gè)聚類，通過計(jì)算兩個(gè)聚類之間的距離，不斷地將速