CN103345676B - 一种面向物资管理系统基于贝叶斯分类的缺失信息估计方法 - Google Patents

Abstract

本发明是一种面向物资管理系统基于贝叶斯分类的缺失信息估计方法，该方法包括以下步骤：步骤一：首先对物资管理系统的后台数据库数据进行预处理；步骤二：登录到物资管理系统的WEB端进行数据的操作；步骤三：系统对数据库进行相应的查询，并对是否存在缺失数据现象作出判断；步骤四：若不存在请求数据的缺失，则对该请求作出回应，若存在数据缺失现象则执行步骤五；步骤五：判断丢失的是用户身份信息还是物品信息，用户身份信息丢失执行步骤六，物品信息丢失执行步骤七；步骤六：对数据库的物品信息进行数据分析；步骤七：对数据库用户身份信息进行数据分析；步骤八：显示缺失消息及步骤六、步骤七的贝叶斯分类结果，并记录到后台数据库中。

Description

一种面向物资管理系统基于贝叶斯分类的缺失信息估计方法

技术领域

本发明涉及一种在EPC物资管理系统下基于贝叶斯分类的缺失信息估计方法。主要解决物资管理系统中用户身份信息或物品信息丢失的问题。

背景技术

根据现代物资管理系统中的自动化立体仓库的管理，射频识别技术的基本原理和射频识别技术具有信息无线传输、信息传递量大和信息传播方便准确等特点，结合自动化立体仓库的工作情况，把射频识别技术应用到自动化立体仓库中，构建出一个基于射频识别技术的自动化物资管理系统。通过实践检验，该系统能实时处理数据信息，满足了现代物资管理系统的需要。

随着自动化立体仓库系统设备的生产技术逐渐成熟和应用的逐渐普及，传统的以手工记录为主的管理方式已不能满足企业目前的需求，而磁卡、条形码等技术由于自身存在的缺陷，已经不适合今后物流业发展的需要。这些模式在现代企业的发展过程中己暴露出许多缺点，大大影响了企业实现信息自动化的进程。

RFID技术是一项新兴的、先进的自动识别技术，它在各行业的广阔发展前景己经引起了世界各个国家、各个企业的普遍重视。RFID技术具有其他识别技术所不具备的防水、防磁、耐高温、使用寿命长、读取距离远、读取方便快捷、标签上数据可以加密、存储数据容量更大、存储信息更改自如、形状多样化等优点。RFID技术的出现，解决了数据自动识别的难题，处理信息更为快速、准确，减少了人工干预，避免了繁琐的手工输入等流程，从而降低了生产成本。因此，将RFID技术应用于立体仓库系统的设计，不仅可以较高的精度和速度实现自动化仓库的正常运行，也能适应于现代工厂企业的生产管理。

针对目前传统物资管理的库存管理、人员使用权限管理、设备进出仓库及登记与监控管理等存在的问题，通过采用RFID、ZigBee等技术来构建集数据采集、通信传输、信息集成与智能化处理为一体的面向物资管理应用的系统平台。

朴素贝叶斯是最早用于分类任务的贝叶斯模型，由于不现实的属性独立性假释，朴素贝叶斯分类方法起始并没有引起机器学习研究人员的重视，只是作为比较复杂分类算法的参照对象。80年代末开始，研究人员惊奇地发现朴素贝叶斯分类器具有人们没有意料到的优良性能，研究人员将朴素贝叶斯与决策树、k-最近邻、神经网络以及基于规则等方法实验比较，发现它在某些领域中表现出很好的性能。为了探究朴素贝叶斯产生较好性能的原因，Domingos等人深入研究了朴素贝叶斯的分类机制，结果发现，如果类后验概率估计值的顺序与真正类后验概率值得顺序一致，就能获得正确的分类，而与计算后验概率的估计值的具体数值没有关系。但是，当属性独立性性假设改变了真正后验概率值得排列顺序时，朴素贝叶斯的分类性能将会降低，这种情况在实际应用中并不少见。为此，许多方法和技术用于改进朴素贝叶斯分类器的性能，主要思路是如何减少属性独立性假设的负面影响，一个改进方向是选择部分属性参与分类模型的学习。

如,Langley和Sage提出的选择性贝叶斯分类器，Pazzani提出的采用属性联合与选择改进分类器，Kohavi和John提出的Wrapper。这种方法只有对包含冗余属性的数据集，才能取得较好的结果；另一个改进的方向是放松朴素贝叶斯的属性独立性假设条件，例如，半朴素贝叶斯分类器，TAN分类器，k-依赖关系贝叶斯分类器等。TAN分类器是目前公认的朴素贝叶斯性能改进最好的分类器之一。采用适合的方式和有效的机制，来表示和操纵属性独立性问题，是提高朴素贝叶斯分类性能的最直观的解决方法。贝叶斯网络恰恰提供了一种自然的表示属性之间依赖关系的方式。尽管从理论讲，贝叶斯网络分类器比朴素贝叶斯分类器具有更好的性能，然而，如果选择了不可靠的依赖关系集，贝叶斯网络的分类性能将严重受损。此外，贝叶斯网络分类器的时间复杂度、空间复杂度都很高，因此，需要研究适用于高维属性以及特殊任务的贝叶斯网络分类方法。贝叶斯分类器适合处理非数值型数据，数值属性的传统处理方法是假设数值属性变量满足高斯分布。如果将数值属性满足高斯分布的假设改由核密度估计来代替，贝叶斯分类器的性能将明显改进。这个研究结果表明，在许多领域中，朴素贝叶斯不佳的分类性能，实际上并不是模型本身的原因造成的，而是由于使用了无保证的高斯分布。另一种处理数值属性的方法将数值属性离散化，这种方法同样改进了贝叶斯分类器的性能。

发明内容

技术问题：本发明的目的是提供一种面向物资管理系统基于贝叶斯分类的缺失信息估计方法，以解决物资管理系统下信息缺失的问题。该方案注重对于EPC系统下特定缺失信息的分类与估计。

技术方案：本发明提出的一种面向物资管理系统基于贝叶斯分类的缺失信息估计方法，包括以下步骤：

步骤一：首先对物资管理系统的后台数据库数据进行预处理，通过贝叶斯分类算法计算出在用户身份信息X确定的情况下，借还记录中各个属性C发生的先验概率，以及各个身份出现在数据库中的概率,和各属性C发生的概率，同时计算出在物品信息Y确定的情况下，借还记录中各个属性C发生的先验概率以及各个物品信息出现在数据库中的概率；

步骤二：登录到物资管理系统的WEB端进行数据的操作，向后台数据库提出数据请求；

步骤三：系统对数据库进行相应的查询，并对是否存在缺失数据现象作出判断；

步骤四：若不存在请求数据的缺失，则对该请求作出回应，若存在数据缺失现象则执行步骤五；

步骤五：判断丢失的是用户身份信息还是物品信息，用户身份信息丢失执行步骤六，物品信息丢失执行步骤七；

步骤六：对数据库的物品信息进行数据分析，得出丢失身份信息用户的借还物品信息记录，通过先前处理得到预处理数据通过贝叶斯算法，计算出该用户为各个身份的概率，选择概率最大的一组进行存储分析；其中，P(X)是用户信息为X的概率，P(C)是借还物品记录的属性为C的概率，P(C|X)表示用户身份为X的情况下借还物品记录的属性为C的先验概率概率，P(X|C)表示借还物品记录的属性为C的情况下用户身份为X的概率；

步骤七：对数据库用户身份信息进行数据分析，得出丢失该物品的借还信息的用户身份信息记录，通过先前处理得到的处理数据通过贝叶斯算法，计算出该物品为各个物品类型的概率，对所得概率进行比较，选择概率最大的一组进行存储分析；其中，P(Y)是物品信息为Y的概率，P(C)是借还物品记录的属性为C的概率，P(C|Y)表示物品信息为Y的情况下借还物品记录的属性为C的先验概率概率，P(Y|C)表示借还物品记录的属性为C的情况下物品信息为Y的概率；

步骤八：显示缺失消息及步骤六、步骤七的贝叶斯分类结果，并记录到后台数据库中。

有益效果：本发明的优点为：

(1)本发明采用贝叶斯分类的方法，同时利用了历史数据，对物资管理系统中可能出现信息缺失现象进行分类预测。

(2)本发明将贝叶斯分类算法应用于实际的物资管理系统的缺失信息问题研究中，有效地提高了缺失信息分析的精确度。

(3)本发明系统架构清晰、简单，易于实现。

附图说明

图1表示整个方案进行数据前期处理的架构，

图2表示整个方案流程。

具体实施方式

步骤一：首先对物资管理系统的后台数据库数据进行预处理，通过贝叶斯分类算法计算出在用户身份信息X确定的情况下，借还记录中各个属性C发生的先验概率，以及各个身份出现在数据库中的概率,和各属性C发生的概率，同时计算出在物品信息Y确定的情况下，借还记录中各个属性C发生的先验概率以及各个物品信息出现在数据库中的概率；

步骤二：登录到物资管理系统的WEB端进行数据的操作，向后台数据库提出数据请求；

步骤三：系统对数据库进行相应的查询，并对是否存在缺失数据现象作出判断；

步骤四：若不存在请求数据的缺失，则对该请求作出回应，若存在数据缺失现象则执行步骤五；

步骤五：判断丢失的是用户身份信息还是物品信息，用户身份信息丢失执行步骤六，物品信息丢失执行步骤七；

步骤六：对数据库的物品信息进行数据分析，得出丢失用户的借还物品信息记录，通过先前处理得到预处理数据通过贝叶斯算法，计算出该用户为各个身份的概率，选择概率最大的一组进行存储分析；其中，P(X)是用户信息为X的概率，P(C)是借还物品记录的属性为C的概率，P(C|X)表示用户身份为X的情况下借还物品记录的属性为C的先验概率概率，P(X|C)表示借还物品记录的属性为C的情况下用户身份为X的概率；

步骤七：对数据库用户身份信息进行数据分析，得出丢失该物品的借还信息的用户身份信息记录，通过先前处理得到的处理数据通过贝叶斯算法，计算出该物品为各个物品类型的概率，对所得概率进行比较，选择概率最大的一组进行存储分析；其中，P(Y)是物品信息为Y的概率，P(C)是借还物品记录的属性为C的概率，P(C|Y)表示物品信息为Y的情况下借还物品记录的属性为C的先验概率概率，P(Y|C)表示借还物品记录的属性为C的情况下物品信息为Y的概率；

步骤八：显示缺失消息及步骤六、步骤七的贝叶斯分类结果，并记录到后台数据库中。

实例：

如图1，Web端首先对后台数据进行预处理，通过贝叶斯分类算法计算出在用户身份信息X确定的情况下，借还记录中各个属性C发生的先验概率P(C1|X1),P(C2|X1)…P(Cn|Xn)，以及各个身份出现在数据库中的概率P(X1),P(X2)…P(Xn)和各属性C发生的概率。同时通过贝叶斯分类算法计算出在物品信息Y确定的情况下，借还记录中各个属性C发生的先验概率P(C1|Y1),P(C2|Y1)…P(Cn|Yn)，以及各个物品信息出现在数据库中的概率P(Y1),P(Y2)…P(Yn)。(为降低计算P(C|X)的开销，我们假定身份信息各X相互独立，物品信息各Y相互独立)

如图2，缺失信息估计的具体流程为：

(1)管理员通过Web端登录到EPC物资管理系统。

(2)管理员查询后台数据库记录信息，数据库执行请求处理，进行判断是否存在信息缺失现象及缺失信息是用户信息异或是物品信息。

(3)若存在用户身份信息缺失的现象，web端进行缺失信息的判断，将与该用户相关的信息记录里的各项属性C1C2…Cn发生情况通过先前处理得到的先验概率P(C1|X1),P(C2|X1)…P(Cn|Xn)等预处理数据通过贝叶斯算法，计算出用户身份信息的后验概率P(X1|C1),P(X1|C2)…P(Xn|Cn),从而计算出该用户为各个身份的概率P(X1|C1C2C3…Cn)，P(X2|C1C2C3…Cn)…P(Xn|C1C2C3…Cn),对所得概率进行比较，选择概率最大的一组。

(4)Web服务器得到(3)中缺失用户身份信息判断结果，显示给管理员，并在数据库进行存储记录。

(5)若存在物品信息缺失的现象，web端进行缺失信息的判断，将与该物品相关的信息记录里的各项属性C1C2…Cn发生情况通过先前处理得到的先验概率P(C1|Y1),P(C2|Y1)…P(Cn|Yn)等预处理数据通过贝叶斯算法，计算出用户身份信息的后验概率P(Y1|C1),P(Y1|C2)…P(Yn|Cn),从而计算出该物品为各个物品类型的概率P(Y1|C1C2C3…Cn)，P(Y2|C1C2C3…Cn)…P(Yn|C1C2C3…Cn),对所得概率进行比较，选择概率最大的一组。

(6)Web服务器得到(5)中缺失物品信息判断结果，显示给管理员，并在数据库进行存储记录。

Claims (1)

1.一种面向物资管理系统基于贝叶斯分类的缺失信息估计方法，其特征在于该方法包括以下步骤：

步骤一：首先对物资管理系统的后台数据库数据进行预处理，通过贝叶斯分类算法计算出在用户身份信息X确定的情况下，借还记录中各个属性C发生的先验概率，以及各个身份出现在数据库中的概率，和各属性C发生的概率，同时计算出在物品信息Y确定的情况下，借还记录中各个属性C发生的先验概率以及各个物品信息出现在数据库中的概率；

步骤二：登录到物资管理系统的WEB端进行数据的操作，向后台数据库提出数据请求；

步骤三：系统对数据库进行相应的查询，并对是否存在缺失数据现象作出判断；

步骤四：若不存在请求数据的缺失，则对该请求作出回应，若存在数据缺失现象则执行步骤五；

步骤五：判断丢失的是用户身份信息还是物品信息，用户身份信息丢失执行步骤六，物品信息丢失执行步骤七；

步骤六：对数据库的物品信息进行数据分析，得出丢失身份信息用户的借还物品信息记录，通过先前处理得到预处理数据通过贝叶斯算法，

计算出该用户为各个身份的概率，选择概率最大的一组进行存储分析；其中，P(X)是用户信息为X的概率，P(C)是借还物品记录的属性为C的概率，P(C|X)表示用户身份为X的情况下借还物品记录的属性为C的先验概率概率，P(X|C)表示借还物品记录的属性为C的情况下用户身份为X的概率；

步骤七：对数据库用户身份信息进行数据分析，得出丢失该物品的借还信息的用户身份信息记录，通过先前处理得到的处理数据通过贝叶斯算法，

计算出该物品为各个物品类型的概率，对所得概率进行比较，选择概率最大的一组进行存储分析；其中，P(Y)是物品信息为Y的概率，P(C)是借还物品记录的属性为C的概率，P(C|Y)表示物品信息为Y的情况下借还物品记录的属性为C的先验概率概率，P(Y|C)表示借还物品记录的属性为C的情况下物品信息为Y的概率；

步骤八：显示缺失消息及步骤六、步骤七的贝叶斯分类结果，并记录到后台数据库中。