【正文】 綜合考慮上述因素，并結合服裝銷售的特點，本文選擇神經(jīng)網(wǎng)絡的輸入如下：預測月前兩個月的銷售量和對應的各月的環(huán)境向量；預測月前一年的同一月和其兩側各一個月的銷售量，以及對應各月的環(huán)境向量；預測月前兩年的同一月和兩側各一個月的銷售量，以及對應各月的環(huán)境向量；預測月的環(huán)境向量。如夏冬兩季羽絨服的銷售量會明顯不同；當有重大事件，如奧運會、世界杯等時，服裝的款式和顏色都會受到一定的影響。 輸入特征量的選取對于神經(jīng)網(wǎng)絡訓練，輸入量的選擇是非常關鍵的問題，輸入量不能取得太少，否則不能起到區(qū)分判斷的能力；也不能取得太多，否則影響網(wǎng)絡訓練的速度。購買和銷售是服裝分銷中的一項非常重要的活動，但這個決定常常不是基于數(shù)據(jù)庫中信息豐富的數(shù)據(jù)，而是基于決策者的直覺。此方法的優(yōu)點是可選出最佳的樣本點作為中心。然而，在實際應用中，若m取得太大，就可能造成模型的冗余和數(shù)值病態(tài)的出現(xiàn)，因此必須采取有效的方法進行網(wǎng)絡中心的選擇和網(wǎng)絡權值的確定。 （34）其中，為樣本的輸出，為網(wǎng)絡的輸出。 （32）式中，為輸入向量，為一給定的非線性變換，表示歐式范數(shù)；為權值；成為RBF網(wǎng)絡的中心，表示擬合誤差，非線性變換函數(shù)可選為式33所示。 （31）公式（31）是在域中聚類子集上的一個多輸入單輸出實連續(xù)函數(shù)，其樣本的數(shù)據(jù)為：上式中，s為樣本數(shù)，而形成了樣本集。 RBF神經(jīng)網(wǎng)絡的建立服裝銷售量預測首先要解決的問題是非線性映射的實現(xiàn)，人工神經(jīng)網(wǎng)路在這方面有一定的優(yōu)越性。為了克服這些缺點，相關研究表明，將BP神經(jīng)網(wǎng)絡和模糊控制結合在一起進行模糊預測，可以得到比較好的結果。這種網(wǎng)絡模型的訓練過程表現(xiàn)為RBF網(wǎng)絡中心的選擇及隱層與輸出層間權值的確定。近年來的RBF（Radial Basis Function，徑向基函數(shù)）網(wǎng)絡作為另一種神經(jīng)網(wǎng)絡結構，以其靈活性強，易于訓練，內(nèi)插和外推性能好等優(yōu)點而受到很大關注。因此很適合應用于服裝銷售系統(tǒng)的預測中。但這些方法也都存在著缺陷，時間序列方法不易考慮地區(qū)等因素的影響，回歸分析方法存在著如何確定回歸方程的問題，而模式識別方法只能處理銷售區(qū)域比較小的系統(tǒng)。本文提出了一種基于智能技術的數(shù)據(jù)挖掘模型，通過此模型可以得到較為理想的服裝銷售預測數(shù)據(jù)。在Microsoft SQL SERVER 2000提供的分析服務器（Analysis Servers）工具中，包含了兩種數(shù)據(jù)挖掘模型：決策樹模型和聚類分析模型，利用它們可以對服裝銷售數(shù)據(jù)進行分析，發(fā)現(xiàn)一些規(guī)律性的東西。生成最后的數(shù)據(jù)報告和解釋報告。對于一個問題的搜索過程可能用到許多模型，例如：神經(jīng)網(wǎng)絡、決策樹等。模型搜索。數(shù)據(jù)挖掘一般過程如圖31所示。為了完成這一目的，必須對現(xiàn)有的數(shù)據(jù)倉庫中的服裝營銷數(shù)據(jù)進行分析，從中發(fā)現(xiàn)并提取出隱含在其中的信息或知識。服裝銷量預測就是這樣一種對未來需求量的預測，它是服裝營銷工作中重要的一環(huán)。在服裝營銷決策中，運營成本是決策所需要考慮的重要方面，同時也是決策管理者最為關心的一個問題，而與運營成本相關的最主要因素是服裝的銷售情況。第3章 基于智能技術的服裝銷售模型的建立在上一章所提出的具有意向決策支持功能的系統(tǒng)中，一個重要的方面就是模型的建立和選取，有了各種適宜的模型，才能構成模型庫，并最終完成本文所提出的整個意向決策支持功能。簡單地介紹了意向決策支持技術，并且重點闡述了該技術在服裝營銷系統(tǒng)中所能發(fā)揮的作用。當然以上提出的只是一個框架，下一章將對用于數(shù)據(jù)挖掘分析的模型庫進行分析，并建立一個預測服裝銷售量的模型。經(jīng)過上述處理后，下面的要求就是對決策問題的求解過程提供有效的決策支持手段，因為對這個問題提供有力支持一直是服裝營銷系統(tǒng)應用研究中的一個重點，已有許多相關領域的研究成果，這里就不再贅述。當用戶進入問題生成系統(tǒng)后，推理機首先調用情景設定知識庫，這樣用戶就可以在意向查詢的交互式界面上，通過上卷和下鉆操作，對自己的決策意向進行細化，最終產(chǎn)生一個明確的決策問題。由上即可完成了模型的自動導引。依照此公式可以計算得出決策意向與各模型的相關程度，然后可按與決策意向相關強度最大的模型進行決策。表23 規(guī)則中相關度表調整價格調整進貨量調整售出量改善服務發(fā)出工作票時間多目標規(guī)劃模型預測分析模型00這里，為了解決多種條件的邏輯組合問題，需要設定用戶的意向描述與模型庫的相關強度。模型庫主要由多目標規(guī)劃問題模型、預測分析過程模型和其他模型組成。例如，上述問題可以用推理規(guī)則知識庫中的規(guī)則表示如下：IF（（用戶）有“考慮地區(qū)”（）、“考慮客戶大小”（）、“考慮客戶信用”（））的客戶分析問題，THEN（（問題與下列特征關聯(lián)）“調整價格”、“調整進貨量”、“調整售出量”、“改善服務”、“發(fā)出工作票”、“時間”，多重與邏輯表，相關度函數(shù)表）其中多重與邏輯表和相關聯(lián)度函數(shù)表為表22所示。這些知識可以是由領域專家、知識工程師、系統(tǒng)用戶提供；也可以是數(shù)據(jù)挖掘工作自動產(chǎn)生。主要包括推理規(guī)則知識庫和模型設定知識庫。在這里采用的技術是包括推理規(guī)則知識庫和模型設定知識庫的常用模型自動引導方法。在實際應用中，用戶選擇了哪幾個方面來細化意向，就在表中增加一個記錄，把相應選項置為1，如上例中增加的記錄為（1 1 1 0），可依據(jù)此值調用相關表，并進行相關情景分析知識庫中的處理?？梢砸許QL Server 2000作為前端數(shù)據(jù)倉庫平臺，VB為編程語言，完成相應設置。例如，經(jīng)過這一步，用戶把自己的決策意向的詳細描述為：“考慮客戶地區(qū)”（）、“考慮大小客戶”（）、“考慮客戶信用”（）的客戶分析問題。這些映射就形成了“客戶分析”的概念分層，見圖24。以有關“客戶分析”的意向決策基本問題為例，這個基本 問題包含的其他因素是：考慮客戶地區(qū)、考慮大小客戶、考慮客戶信用、考慮客戶投訴這四個小問題。概念分層是一種有用的背景知識形式，一個概念分層就是定義一個映射序列，它將低層概念映射到更一般的高層概念。情景設定知識庫：情景設定知識庫中的知識用來細化用戶的意向決策問題。按性質的不同，可把知識分為事實性知識和規(guī)則性知識兩種，事實性知識用于描述一些服裝營銷的基本情況；而規(guī)則性知識則是對聯(lián)想和推理的結果以條件——結論的形式給予描述。同時也要兼顧到用戶的用語習慣和決策風格。設計時可采用多媒體的人機交互界面。 問題生成子系統(tǒng)的設計及構建相關知識庫依據(jù)上述機制，并結合各種意向決策支持技術，服裝營銷意向決策支持系統(tǒng)中問題生成子系統(tǒng)應具有圖23所示結構。文獻[3]給出了一般的問題生成系統(tǒng)的運行機制，如圖22所示圖22 問題生成系統(tǒng)運行機制此運行機制實際上就是人類完成相應意向推理的全過程：人們在解決自身無法清晰表述的問題時，總是先把它限制在某個大范圍之內(nèi)（即情景設定階段），如：市場策劃問題；然后根據(jù)自聯(lián)想和借鑒他人的經(jīng)驗，把此范圍內(nèi)的各項因素及其與問題的相關程度列出（即意向詳細描述階段）；再在此范圍中，通過分析、推理把一個決策意向明確為一個決策問題（情景分析階段）。 問題生成子系統(tǒng)原理如前所述，對于一個輔助決策過程而言，困難的是構造一個問題而不是解決一個問題，所以如何利用現(xiàn)有技術引導用戶對自己的決策意向進行識別；如何運用人機交互的手段一步一步的對決策意向進行明確和細化，使其最終轉化為一個決策問題，這正是設計此系統(tǒng)的難點。這種解決方案，實際上也可以看作是包含了專家系統(tǒng)的推理模型，目的是利用專家系統(tǒng)的定性分析機制，實現(xiàn)定性分析與定量分析的有機結合。在全面系統(tǒng)的分析基礎上，在服裝營銷管理系統(tǒng)中加入意向決策支持功能，使整個系統(tǒng)具有了真正意義上的靈活性。這樣開發(fā)出的系統(tǒng)是不具備靈活性的。2，面向市場，建立具有“靈活性”的系統(tǒng)一般對于服裝營銷系統(tǒng)的開發(fā)人員而言，真正的困難在于正確理解用戶的意圖（即構造問題）而不是對相應的問題進行求解（即解決問題）。1，以客戶為中心，創(chuàng)建真正的“交互式”系統(tǒng)以往開發(fā)的服裝營銷管理系統(tǒng)往往只側重于單純的事務性勞動，使用戶的大部分時間和精力都花在被動的查詢工作中，這種缺乏用戶和使用者之間雙向交互的系統(tǒng)已經(jīng)不適應服裝營銷工作的發(fā)展需要。針對這種情況，在服裝營銷系統(tǒng)中加入意向決策支持功能，用以解決一些模糊的非例行問題是很有必要的。目前，學術界在這方面有很多理論和方法提出，如人工神經(jīng)元、專家系統(tǒng)、灰色理論、模糊理論等。此時，決策者所需要的就是系統(tǒng)提供有關方面的意向決策支持服務。當系統(tǒng)應用的領域比較單一，或是只局限于一個狹小的范圍時，這種意向決策問題并不多見，因為決策者往往對所面臨的情況十分熟悉，所以一般都能夠提出一個明確的目標；但當所處理的問題進入綜合性的、有關全局的應用領域時，需要意向決策支持的問題就變得比較常見。 意向決策支持概述意向，在決策領域中是指決策者關于某一決策問題的一種模糊想法。但是對于一些非例行的決策問題或意向決策問題卻沒有提出明確的解決方案。為了配合這種變化，適應市場發(fā)展的新需要，實現(xiàn)服裝分銷系統(tǒng)管理的信息化，應該建立起全新的分銷管理系統(tǒng)，這樣才能更好的把握市場，考核營銷工作，提高我國服裝行業(yè)整體競爭力。 以服裝分銷中購進和售出為例，給出了服裝分銷決策支持系統(tǒng)的數(shù)據(jù)裝換聚合子系統(tǒng)、綜合查詢子系統(tǒng)、綜合分析子系統(tǒng)和報表生成子系統(tǒng)四部分的實現(xiàn)過程。 提出了基于智能控制技術的服裝銷售預測數(shù)據(jù)挖掘（DM）算法，并通過與SQLSERVER中模型的對比，證明了該方法的準確性和實用性，為現(xiàn)場應用作了準備。本文將主要從以下幾點進行論述。但在目前的營銷工作中，有關購進和售出的各項決定并不是基于數(shù)據(jù)庫中信息豐富的內(nèi)容，而是基于決策者的直覺。但對于一些非例行的決策問題或意向決策問題卻沒有提出明確的解決方案。如此大量的數(shù)據(jù)，存放在數(shù)據(jù)庫中，不但統(tǒng)計查詢性能大幅下降，而且還會因為缺少有力的工具而難以得到有效的利用。目前，國內(nèi)對服裝銷售決策支持系統(tǒng)進行研究成果頻頻有報道，這些成功主要集中在有關數(shù)據(jù)倉庫和決策支持系統(tǒng)方面，但是對于情況較為特殊的營銷決策支持系統(tǒng)的研究卻很少涉足。邦威企業(yè)已建立了獨立的企業(yè)互聯(lián)網(wǎng)站,并籌建網(wǎng)絡休閑服飾電子連鎖專賣店,實現(xiàn)無界化專賣連鎖網(wǎng)絡[2]。有足夠規(guī)模的企業(yè)可利INTERNET 建立全國乃至全球性的虛擬專用銷售網(wǎng)絡,實現(xiàn)物流與資金流的統(tǒng)一。于此對應的，目前我國服裝業(yè)銷售系統(tǒng)主要采用百貨商店、小型服裝店、超級市場、倉儲市場、郵購等營銷方式,隨著時代的進步,新的方式不斷涌現(xiàn)：買斷經(jīng)營、特許經(jīng)營、網(wǎng)絡營銷、連鎖專賣等新方式從遙遠的異地移植到中國,為我國的零售業(yè)注入新的生機[2]。同時,國際知名品牌往往因此也不愿落戶中國,商場在引進國際品牌的談判中困難重重,甚至不得不為此作出種種讓步。為了防止被“克隆”,許多知名品牌只好采取買斷布料、推遲新貨上市等消極辦法。(6) 服裝市場“盜版”、“克隆”現(xiàn)象嚴重。服裝市場有個怪異現(xiàn)象: 一方面,市場上服裝的品種、數(shù)量相當龐大,廠家、商家大叫“賣衣難”；另一方面,仍有不少的消費者卻抱怨“買衣也難”。片面地采用打折來增長銷售量,勢必會使品牌在消費者心目中的主體形象也大打折扣,使品牌信譽掃地。降價、打折雖是一種促銷行為,但在國內(nèi)卻變了味,表現(xiàn)為打折持續(xù)時間長、波及范圍廣、折扣幅度大。但是由于信息不統(tǒng)一、信息傳遞不暢通、信息又不共享等諸多因素,企業(yè)的生產(chǎn)、銷售還停