基于数据挖掘技术的高校实验室设备采购决策支持系统

基于数据挖掘技术的高校实验室设备采购决策支持系统

基于数据挖掘技术的高校实验室设备

采购决策支持系统

引言

近年来,随着对教育事业投入的不断加大,以及高校资金渠道的多元化,使高校仪器设备的数量增加较快,仪器设备的层次不断提高,为高校的教学和科研奠定了较好的物质基础。与此同时,对仪器设备采购工作提出了新的挑战。高校实验室作为仪器设备的使用和管理部门,如何做好采购工作,最大限度地保证仪器到位率,更好地为教学科研服务,值得管理工作者认真探讨和思考。

高校实验室设备的采购是巨大的投资,需要完整的规划。一些高校过分追求仪器设备的档次数量,造成了仪器设备的闲置和浪费。为了追求高档次,弃用相对价廉的国产仪器设备而选用价位偏高的进口仪器设备。有的不考虑配套使用,机械地按学生人数购买基础课实验仪器设备,但缺乏相关配套设备,使得仪器长时间闲置。

随着大量的采购数据被不停地收集和存储,许多采购人员对于如何从购买记录中挖掘关联规则越来越感兴趣。从大量商务事务记录中发现内在的关联关系,可以帮助许多决策的制定,这就是关联规则 。最经典的关联规则提取算法是Apriori算法,它是由Rakesh Agrawal Rama和Krishnan Skrikant提出的,其思想是利用已知的高频数据项集推导其它高频数据项集。

本文的目的在于使用Apriori算法对高校实验室设备采购信息进行数据挖掘,分析出潜在的采购关系。获得各设备之间的内在关系,从而才采购初期就能了解到而后可能需要的其他服务,通过一次性投资降低日后的维护成本,也能发现现有计划中无关的采购,减少浪费。

1. 关联规则与Apriori算法

a) 关联规则

关联规则表示数据库中一组对象之间某种关联例如,关联规则可以表示为“购买了项目A和B的人中有95% 的人又买了C和D”。从这些规则可找出购买行为模式,应用于商品货架设计、生产安排、针对性的市场营销活动以及产品的组合销售等。

你可能喜欢

  • 管理系统设计
  • 数据挖掘研究
  • 智能决策支持系统
  • 数据挖掘技术
  • 数据仓库论文
  • 决策支持系统应用
  • 临床决策支持系统

基于数据挖掘技术的高校实验室设备采购决策支持系统相关文档

最新文档

返回顶部