[发明专利]基于K-means聚类算法及离散小波变换的无人超市客流量预测方法

权利要求书

1.一种基于K-means聚类算法及离散小波变换的无人超市客流量预测方法，其特征在于，包括：

获取每个店铺的流量数据，所述流量数据包括店铺客流量数据；将所述流量数据按照时间以及店铺特征分解成每家店铺每天客流量数据，进行序列化；具体为：按店铺按日期形成唯一性的流量数据，并标记每天的星期特征，并将每家店铺的流量数据按照日期升序排列，形成多个时间序列数据，即预测店铺客流量数据；

通过K-means聚类算法对流量数据进行聚类，以拆分成多个类中心的多个类；包括：将所述流量数据以七天为时间步长，取当天日期前六天数据组合成七天为一个分组的流量数据，该分组对应当天日期以及所属店铺，将每一个店铺的数据划分为多个数据组，将每一个数据组做为特征向量，用于后续聚类；

将分解之后的数据输入K-means算法进行聚类；所述K-means聚类算法簇的个数为6类，初始簇中心的获取方法为k-means++，获取初始簇中心的更迭次数为12次初始质心；

通过基本统计学算法与所述聚类之后各个类的数据，计算各个类流量数据的均值与方差，以及增长率加速度等基本统计学特征；

通过小波变换算法对所述预测店铺客流量数据进行分解处理，以获取时间序列子波；以及将所述时间序列子波，所述均值，所述方差值与所述增长率值及所述加速度值进行归一化处理，最后作为特征输入提升树预测模型中进行训练，以获取所述店铺在预测时间段中的流量数据预测值。

2.如权利要求1所述的基于K-means聚类算法及离散小波变换的无人超市客流量预测方法，其特征在于，所述获取所述店铺在预定时间段中的流量数据预测值，包括：获取所述店铺在未来一个月中的流量数据预测值；所述流量数据预测值包括未来一个月中每一天的流量数据。

3.如权利要求1所述的基于K-means聚类算法及离散小波变换的无人超市客流量预测方法，其特征在于，所述通过基本统计学算法与所述多个时间序列数据，计算聚类之后流量数据的均值与方差，以及增长率加速度等基本统计学特征，包括：获取目标时间点历史前7天流量均值和方差；获取目标时间点历史前3天的增长率；获取目标时间点历史前7天增长率的均值和方差；获取目标时间点历史前3天的加速度；获取目标时间点历史前7天的加速度的均值和方差。

4.如权利要求1所述的基于K-means聚类算法及离散小波变换的无人超市客流量预测方法，其特征在于，所述通过小波变换算法对所述预测店铺客流量数据进行分解处理，以获取时间序列子波，包括：通过离散小波变换算法对所述多个时间序列数据进行分解处理，以获取时间序列子波。