针对定性工业供应链销售预测方法中存在的精度低、非智能化且无法处理复杂样本等问题,提出一种基于高斯混合模型的工业供应链销售预测方法。分析真实销售数据的特征信息及特征间的相关程度;在不同聚类簇数和特征数的组合下利用训练数据集迭代计算模型参数;对测试数据集进行销售预测,通过比较预测结果的准确率、召回率和F值三个指标确定可实现较好结果的特征值与聚类簇数目。实验结果表明,与人工神经网络模型和卷积神经网络模型相比,该方法在三个指标方面均表现出更好性能,可较好地预测销售成交情况。
科研之友
微信
新浪微博
Facebook
分享链接
