[发明专利]一种钽电解电容参数分解、购买预测方法

权利要求书

1.一种钽电解电容参数分解、购买预测方法，其特征在于，包括如下步骤：

步骤1：通过对钽电解电容的物料分析，确认钽电解电容的关键参数；

步骤2：对钽电解电容进行参数分解，提取关键参数；

步骤3：根据物料描述的分解规则，确定参数匹配方案，确定使用的产品范围：

步骤4：对使用范围的产品进行分类，确定购买属性，为用户推荐购买可能性大的产品；

所述步骤4中的对使用范围的产品进行分类，确定购买属性，为用户推荐购买可能性大的产品，具体包括：将用户的历史记录中的产品的基本情况和购买结果，作为训练集，建立分类模型，然后跟当前满足需求的产品属性，通过分类模型，初步预测其分类结果：购买或非购买；

步骤4.1、数据准备：

N个产品样本的P维特征，组成训练集X＝(X₁，X₂，......，X_n)，其中X_i＝(x_i1，x_i2，......，x_ip)^T，i＝1，2，......，n，训练集X为N×P的矩阵；对应的类别集合为E，其中当类别为e₁时，则该产品的类别为非购买；当类别为e₂时，则该产品的类别为购买：

步骤4.2、计算各类样本均值向量：

其中N_i为训练集X中分类属性为w_i的样本数量，m_i为训练集X中分类属性为w_i的样本均值向量；

步骤4.3、计算各个样本的类内离散度矩阵S_i：

步骤4.4、计算样本的总类内离散度矩阵为S_w：

S_w＝S₁+S₂

步骤4.5、计算样本的类间离散度矩阵S_b：

S_b＝(m₁-m₂)(m₁-m₂)^T

步骤4.6、计算向量w^*，即投影方向，定义分类准则函数，即Fisher准则函数，即使得类间散度的平方与类内散度的平方和之间的比值最大，即最优投影方向：

使F(W)取的最大值的w^*为：

步骤4.7、将训练集中的所有样本进行投影：

y＝(w^*)^TX

步骤4.8、计算在投影空间中的分割阈值y₀，选择阈值的方法为：

其中，在一维空间中各个样本的均值：

步骤4.9、计算投影点：

对新给定的产品样本A，计算它在w^*上投影点y：

y＝(w^*)^TA

步骤4.10、判断类别属性：

根据决策规则有：

当y≥y₀时，则产品A的属性为e₁，即为非购买；

当y＜y₀时，则产品A的属性为e₂，即为购买；

根据类别属性的判断，初步预测当前用户购买可能性较大的产品，可以为用户提供推荐或根据y的值进行从大到小的排序，在此排序中也是产品购买可能性逐渐降低的序列。

2.如权利要求1所述的一种钽电解电容参数分解、购买预测方法，其特征在于，所述步骤1中的通过对钽电解电容的物料分析，确认钽电解电容的关键参数，具体步骤包括：

步骤1.1、关键参数的确认：收集大量钽电解电容的物料描述，输入电脑并进行关键词词频统计和排序，给出钽电解电容的关键参数，具体包括：容值、精度、额定电压、封装规格、安装方式、标称温度、ESR串联电阻和品牌；其中品牌为非必要分解参数，用户给定的信息中，有即分解；其余参数，为必要分解的参数；

步骤1.2、清洗数据：对上述关键参数的最终输出进行清洗，最终输出的结果分别为：容值、精度、额定电压、封装规格、安装方式、标称温度、ESR,串联电阻。