一种产品生命周期的识别方法和装置与流程

本发明涉及计算机及其软件技术领域，特别涉及一种产品生命周期的识别方法和装置。

背景技术：

每个产品都具有一个生命周期，产品的生命周期分为四部分：导入期、成长期、成熟期、以及衰退期。衰退期进一步可以划分为两个部分：衰退期和终结期。产品生命周期表示产品从进入市场到退出市场的整个演变过程。当产品处于不同阶段时，企业在从营销等多个方面制定不同的目标和策略，从而实现企业利益最大化，因此产品生命周期的划分，识别和预测及其相关管理对一个企业制定合适的策略起着至关重要的地位，企业只有对产品的生命周期有一个准确及时的把控，才能够保证企业在激烈的市场竞争中处于不败之地。

新产品从开始进入市场到被市场淘汰的整个过程，分为导入期、成长期、成熟期、衰退期四个阶段：

导入期一般指新产品试制成功投放市场试销的阶段，其主要特征是：1.产品刚进入市场试销，尚未被顾客所接受，其销售额缓慢增长；2.生产批量很小，试制费用很大，因而产品生产成本较高；3.用户对产品不了解和不熟悉，需要多做广告，销售费用较高；4.除仿制品外，产品在市场上一般没有同行竞争；5.产品刚进入市场，由于生产成本和销售费用较高，企业在财务上往往是亏损的。

成长期是指新产品试销取得成功后，转入成批生产和扩大市场销售的阶段。其主要特征：1.销售量迅速地增长；2.产品设计和工艺基本定型，可以组织成批或大量生产，产品成本显著下降；3.用户对产品己经有所熟悉，广告费用可以相对减小，销售成本大幅度下降；4.随着产量和销售量的迅速增长，企业转亏为盈，利润迅速上升；5.同行竞争者开始仿制这类产品，市场开始出现竞争趋势。

成熟期是指产品进入大批量生产，而在市场上处于竞争最激烈的阶段。其主要特征是：市场需求量已逐渐趋向饱和，销售量已达到最高点；2.生产批量大，产品成本低，利润也将达到最高点3.很多同类产品已进入市场，市场竞争十分激烈；4.成熟的后期，市场需求达到饱和，销售增长率趋近于零，甚至出现负数。

衰退期是指产品已逐渐老化，转入产品更新换代的新时代。其主要特征是：1.既有新产品进入市场，正在逐渐代替老产品；2.除少数或个别名牌产品外，市场销售量日益下降；3.市场竞争突出的表现为价格竞争，价格不断被迫下降。

现有技术中对于产品生长周期的识别方法主要有：销售增长率判断法、类比判断法、龚帕兹曲线法、以及巴斯扩散模型；现有的产品生长周期的识别方法中，销售增长率判断法和类比判断法过多的依赖经验知识去判断一个产品的生命周期，其主观因素过多，结果不够稳定。龚帕兹曲线法和巴斯扩散模型均对一个产品的生命周期制定了对应的数学模型，两种方法对于生命周期较全的产品的拟合效果较高，但对于处于导入期(例如：新品)，或销量波动较大(例如：大型促销活动带来的销量激增)的产品，由于数据量较少、数据时间跨度较短、以及数据波动大等原因导致数据拟合效果较差。

技术实现要素：

有鉴于此，本发明提供一种产品生命周期的识别方法和装置，能够根据所给出的产品生命周期阶段的数学划分方法对产品生命周期阶段进行划分，同时对一个产品当前所处的生命周期阶段进行识别和未来时刻生命周期进行预测，不仅避免了主观因素的影响，而且对于新产品也无需利用模型对其进行重新估计拟合，计算量相对较小，最终提高了产品生命周期识别的准确率和效率。

为实现上述目的，根据本发明的一个方面，提供了一种产品生命周期的识别方法。

本发明的产品生命周期的识别方法包括：获取销售系统中指定类产品的销售数据，然后将该销售数据根据预设的产品生命周期模式的提取方法、预设的产品生命周期各阶段的划分方法、以及预设的销量曲线之间相似度的计算方法提取所述指定类产品的生命周期模式集合；根据所述产品生命周期各阶段的划分方法确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置；对于所述指定类产品下的一个新产品，根据预设的销量曲线之间相似度计算方法计算所述新产品销量曲线与所述生命周期模式集合中的各个生命周期模式的相似度，以得到相似度集合；将所述相似度集合中相似度最大时所对应的生命周期模式作为所述新产品的生命周期模式，并且记录相似度最大时所述新产品销量曲线与所述新产品生命周期模式的相对移动位置；根据所述新产品生命周期模式的生命阶段的区间位置和所述相对移动位置确定该新产品所处的生命周期。

可选地，所述提取指定类产品的生命周期模式集合的步骤包括：

假设某个群体中共有U个产品，利用巴斯扩散模型对U个产品的销量曲线进行拟合得到曲线集合B＝{B₁,B₂,...,B_U}；

根据预设的产品生命周期各阶段的划分方法对所述拟合得到的曲线集合中B的曲线进行生命周期各阶段的划分，从而确定U个产品中具有完整生命周期的产品集合G_full＝{G₁,G₂,...,G_V}，其中V≤U；

根据预设的销量曲线之间相似度的计算方法计算V个产品中两两产品销量曲线的相似度，得到个V产品之间的相似度矩阵，并且记录该相似度矩阵中每个相似度对应的两条产品销量曲线相对移动位置：

设置一个阈值ε，利用该阈值对V个产品进行聚类以得到最终的簇集合C_final；

对于任意一个簇C_i∈C_final，簇中所包含的产品集合为G_i＝{G₁,G₂,…,G_I}，根据该簇中任意两个产品在计算最终相似度时保留的两条产品销量曲线相对移动位置对I个产品的原始产品销量曲线进行叠加合并，得到合并后的产品销量曲线为：

其中，O_t为在时间为t时刻，产品销量曲线重叠的产品结合，||O_t||表示这个集合元素的个数；

对于簇C_i，对合并后的产品销量曲线再次利用巴斯扩散模型对齐进行拟合，得到簇C_i最终的产品生命周期模式P_i＝(m_i,p_i,q_i)；

对所有属于C_final的簇均进行如簇C_i的操作，从而得到指定类产品的产品生命周期模式集合P＝{P₁,P₂,...,P_W}。

可选地，所述根据预设的产品生命周期各阶段的划分方法所述拟合得到的曲线集合中B的曲线进行生命周期各阶段的划分，从而确定U个产品中具有完整生命周期的产品集合的步骤包括如下的步骤A和步骤B：

步骤A：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期；步骤A的具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B：对于U个产品中的任一产品，假设其产品原始销量曲线y₁＝{x₁,x₂,…,x_n}，利用巴斯模型拟合出来的曲线B₁＝{b₁,b₂,…,b_n}，将该拟合后的曲线按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，如果拟合出来的曲线包含了所述产品生命周期的所有阶段，则确定该产品具有完整的生命周期。

可选地，所述根据预设的销量曲线之间相似度的计算方法计算V个产品中两两产品销量曲线的相似度的步骤包括：

假设V个产品中任意两产品销量曲线所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值，构建的序列中前端和后端均包括m-1个NA值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到上述两个产品所对应的两条销量曲线之间的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}

对于V个产品中剩余的产品，重复上述步骤，从而得到V个产品中两两产品销量曲线的相似度。

可选地，所述利用该阈值对V个产品进行聚类以得到最终的簇集合C_final的步骤包括：

对于具有完整生命周期的产品全集G＝{G₁,G₂,…G_v}：

步骤a：从所述产品全集G中选取一个产品G_i，作为第一个簇C₁＝{G_i}中的产品；

步骤b：将G_i从产品全集中去除，取出产品全集G中除去G_i的剩余产品G_others＝G/G_i中的任一产品G_j，对于G_j∈G_others，如果HMSim_i,j≥ε，则将产品G_j并入簇中，C₁＝C₁∪{G_j}；

步骤c：重复步骤b，直至不再有新的产品被并入簇C₁中，从而得到一个完整的簇C₁；

步骤d：将簇C₁中的所包括的产品去除，得到更新的产品全集G＝G/C₁，对于更新后的产品全集，重复步骤a至步骤c，直到不能再产生新的簇，从而得到所有的簇C＝{C₁,C₂,…C_W}，其中，W≤V；

步骤e：设置另一个阈值η，其中，η为整数，且η≥2，将所有簇中所包括的产品个数小于η的簇的进行结合得到C_small＝{C₁,C₂,…,C_S}，然后舍去C_small集合中的簇，得到最终的簇集合C_final＝C/C_small。

可选地，所述根据预设的产品生命周期各阶段的划分方法确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置的步骤包括如下的步骤A1和步骤B1：

步骤A1：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期；步骤A1的具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B1：将所述指定类产品生命周期模式中的各个生命周期模式按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，从而确定各个生命周期模式的生命阶段的区间位置。

可选地，所述根据预设的销量曲线之间相似度计算方法计算所述新产品销量曲线与所述生命周期模式集合中的各个生命周期模式的相似度，以得到相似度集合的步骤包括：

假设所述新产品销量曲线和所述指定类产品的生命周期模式集合中任一生命周期模式所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到所述新产品与所述指定类产品的生命周期模式集合中所述生命周期模式的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}；

对于所述指定类产品的生命周期模式集合中的剩余的生命周期模式，重复以上步骤以得到所述新产品的销量曲线与所述指定类产品的生命周期模式集合中各个生命周期模式的相似度，从而得到相似度集合。

可选地，所述根据所述新产品生命周期模式的生命阶段的区间位置和所述相对移动位置确定该新产品所处的生命周期的步骤包括：

对于新产品的时刻t＝n，根据记录的所述新产品销量曲线与所述新产品的生命周期模式的相对移动的位置确定所记录的两条曲线相对移动的位置以得到此时刻产品新产品销售曲线对应到所述新产品的生命周期模式的巴斯扩散模型曲线的位置t_bass＝m，该位置所对应的生命周期阶段即为该新产品的产品生命周期阶段；

对于该新产品生命周期未来时刻t＝n+i,i＝1,2,…，将该新产品生命周期模式的巴斯扩散模型曲线的位置t_bass＝m+i,i＝1,2,…时刻所处的生命周期阶段作为该新产品生命周期未来时刻的预测值。

根据本发明的另一个方面，提供了一种产品生命周期的识别装置。

本发明的产品生命周期的识别装置包括：提取模块，用于获取销售系统中指定类产品的销售数据，然后将该销售数据根据预设的产品生命周期模式的提取方法、预设的产品生命周期各阶段的划分方法、以及预设的销量曲线之间相似度的计算方法提取所述指定类产品的生命周期模式集合；确定模块，用于根据所述产品生命周期各阶段的划分方法确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置；计算模块，用于对于所述指定类产品下的一个新产品，根据预设的销量曲线之间相似度计算方法计算所述新产品销量曲线与所述生命周期模式集合中的各个生命周期模式的相似度，以得到相似度集合；记录模块，用于将所述相似度集合中相似度最大时所对应的生命周期模式作为所述新产品的生命周期模式，并且记录相似度最大时所述新产品销量曲线与所述新产品生命周期模式的相对移动位置；识别模块，用于根据所述新产品生命周期模式的生命阶段的区间位置和所述相对移动位置确定该新产品所处的生命周期。

可选地，所述提取模块还用于：假设某个群体中共有U个产品，利用巴斯扩散模型对U个产品的销量曲线进行拟合得到曲线集合B＝{B₁,B₂,...,B_U}；

根据预设的产品生命周期各阶段的划分方法对所述拟合得到的曲线集合中B的曲线进行生命周期各阶段的划分，从而确定U个产品中具有完整生命周期的产品集合G_full＝{G₁,G₂,...,G_V}，其中V≤U；

根据预设的销量曲线之间相似度的计算方法计算V个产品中两两产品销量曲线的相似度，得到个V产品之间的相似度矩阵，并且记录该相似度矩阵中每个相似度对应的两条产品销量曲线相对移动位置：

设置一个阈值ε，利用该阈值对V个产品进行聚类以得到最终的簇集合C_final；

对于任意一个簇C_i∈C_final，簇中所包含的产品集合为G_i＝{G₁,G₂,…,G_I}，根据该簇中任意两个产品在计算最终相似度时保留的两条产品销量曲线相对移动位置对I个产品的原始产品销量曲线进行叠加合并，得到合并后的产品销量曲线为：

其中，O_t为在时间为t时刻，产品销量曲线重叠的产品结合，||O_t||表示这个集合元素的个数；

对于簇C_i，对合并后的产品销量曲线再次利用巴斯扩散模型对齐进行拟合，得到簇C_i最终的产品生命周期模式P_i＝(m_i,p_i,q_i)；

对所有属于C_final的簇均进行如簇C_i的操作，从而得到指定类产品的产品生命周期模式集合P＝{P₁,P₂,...,P_W}。

可选地，所述提取模块还用于：根据如下步骤A和步骤B确定U个产品中具有完整生命周期的产品集合：

步骤A：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期，具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B：对于U个产品中的任一产品，假设其产品原始销量曲线y₁＝{x₁,x₂,…,x_n}，利用巴斯模型拟合出来的曲线B₁＝{b₁,b₂,…,b_n}，将该拟合后的曲线按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，如果拟合出来的曲线包含了所述产品生命周期的所有阶段，则确定该产品具有完整的生命周期。

可选地，所述提取模块还用于：假设V个产品中任意两产品销量曲线所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值，构建的序列中前端和后端均包括m-1个NA值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到上述两个产品所对应的两条销量曲线之间的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}

对于V个产品中剩余的产品，重复上述步骤，从而得到V个产品中两两产品销量曲线的相似度。

可选地，所述提取模块还用于：根据如下步骤得到最终的簇集合C_final：对于具有完整生命周期的产品全集G＝{G₁,G₂,…G_v}：

步骤a：从所述产品全集G中选取一个产品G_i，作为第一个簇C₁＝{G_i}中的产品；

步骤b：将G_i从产品全集中去除，取出产品全集G中除去G_i的剩余产品G_others＝G/G_i中的任一产品G_j，对于G_j∈G_others，如果HMSim_i,j≥ε，则将产品G_j并入簇中，C₁＝C₁∪{G_j}；

步骤c：重复步骤b，直至不再有新的产品被并入簇C₁中，从而得到一个完整的簇C₁；

步骤d：将簇C₁中的所包括的产品去除，得到更新的产品全集G＝G/C₁，对于更新后的产品全集，重复步骤a至步骤c，直到不能再产生新的簇，从而得到所有的簇C＝{C₁,C₂,…C_W}，其中，W≤V；

步骤e：设置另一个阈值η，其中，η为整数，且η≥2，将所有簇中所包括的产品个数小于η的簇的进行结合得到C_small＝{C₁,C₂,…,C_S}，然后舍去C_small集合中的簇，得到最终的簇集合C_final＝C/C_small。

可选地，所述确定模块还用于：根据如下步骤A1和步骤B1确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置：

步骤A1：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期；步骤A1的具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B1：将所述指定类产品生命周期模式中的各个生命周期模式按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，从而确定各个生命周期模式的生命阶段的区间位置。

可选地，所述计算模块还用于：

假设所述新产品销量曲线和所述指定类产品的生命周期模式集合中任一生命周期模式所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到所述新产品与所述指定类产品的生命周期模式集合中所述生命周期模式的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}；

对于所述指定类产品的生命周期模式集合中的剩余的生命周期模式，重复以上步骤以得到所述新产品的销量曲线与所述指定类产品的生命周期模式集合中各个生命周期模式的相似度，从而得到相似度集合。

可选地，所述识别模块还用于：对于新产品的时刻t＝n，根据记录的所述新产品销量曲线与所述新产品的生命周期模式的相对移动的位置确定所记录的两条曲线相对移动的位置以得到此时刻产品新产品销售曲线对应到所述新产品的生命周期模式的巴斯扩散模型曲线的位置t_bass＝m，该位置所对应的生命周期阶段即为该新产品的产品生命周期阶段；

对于该新产品生命周期未来时刻t＝n+i,i＝1,2,…，将该新产品生命周期模式的巴斯扩散模型曲线的位置t_bass＝m+i,i＝1,2,…时刻所处的生命周期阶段作为该新产品生命周期未来时刻的预测值。

根据本发明的技术方案，由于能够根据所给出的产品生命周期阶段的数学划分方法对产品生命周期阶段进行划分，同时对一个产品当前所处的生命周期阶段进行识别和未来时刻生命周期进行预测，不仅避免了主观因素的影响，而且对于新产品也无需利用模型对其进行重新估计拟合，计算量相对较小，最终提高了产品生命周期识别的准确率和效率。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的一种产品生命周期的识别方法的示意图；

图2A、图2B、和图2C是根据本发明实施例的相似度计算过程的示意图；

图3是根据本发明实施例的簇内商品曲线合并的过程的示意图；

图4是根据本发明实施例的一种产品生命周期的识别装置的示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的一种产品生命周期的识别方法的示意图。如图1所示，本发明的产品生命周期的识别方法主要包括如下的步骤S10至S14。

步骤S10：获取销售系统中指定类产品的销售数据，然后将该销售数据根据预设的产品生命周期模式的提取方法、预设的产品生命周期各阶段的划分方法、以及预设的销量曲线之间相似度的计算方法提取指定类产品的生命周期模式集合。在步骤S10中，销量曲线指的是记录产品销售时间和各个时间所对应的销售量的曲线，所提到的产品具备以下特征：

(1)产品的生命周期特征利用产品的销量表示，记为y＝f(t)，其中t为记录时间，且时间间隔为固定值(例如：周或月)。

(2)产品自身具有可用于类别区分的描述信息(例如：品牌，品类等)，假设一个产品Good_i，其表示XXX品牌的4G手机，则其品牌(XXX)和品类(4G手机)即为用于类别区分的描述信息。

(3)对于记录时间t＝1，并不表示产品整个生命周期的起点，仅代表可获取到该产品销量值的第一个时间点，即当t＝1时，一个产品可能处于任意生命周期阶段。

对于步骤S10，从销售系统中获取到指定类产品的销售数据后，通过如下的具体步骤提取指定类产品的生命周期模式：假设某个群体中共有U个产品，利用巴斯扩散模型对U个产品的销量曲线进行拟合得到曲线集合B＝{B₁,B₂,...,B_U}。对于巴斯扩散模型中的参数m,p,q，本发明实施例技术方案采用Levenberg-Marquardt算法进行参数估计。Levenberg-Marquardt算法(也叫做damped least-squares，DLS)，是一种用于解决非线性最小二乘问题的算法，常用于非线性曲线的拟合。

步骤S101：根据预设的产品生命周期各阶段的划分方法对所述拟合得到的曲线集合中B的曲线进行生命周期各阶段的划分，从而确定U个产品中具有完整生命周期的产品集合G_full＝{G₁,G₂,...,G_V}，其中V≤U。在步骤S101中，主要包括如下的步骤A和步骤B：

步骤A：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期；步骤A的具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B：对于U个产品中的任一产品，假设其产品原始销量曲线y₁＝{x₁,x₂,…,x_n}，利用巴斯模型拟合出来的曲线B₁＝{b₁,b₂,…,b_n}，将该拟合后的曲线按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，如果拟合出来的曲线包含了所述产品生命周期的所有阶段，则确定该产品具有完整的生命周期。

步骤S102：根据预设的销量曲线之间相似度的计算方法计算V个产品中两两产品销量曲线的相似度，得到个V产品之间的相似度矩阵，并且记录该相似度矩阵中每个相似度对应的两条产品销量曲线相对移动位置。在步骤S102中，计算V个产品中两两产品销量曲线的相似度的过程为：

假设V个产品中任意两产品销量曲线所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值，构建的序列中前端和后端均包括m-1个NA值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，对于i的任意一种情况，相似度的第一部分计算了时间序列y⁽²⁾与时间序列y^base非空值的重合部分的点的集合之间的余弦相似度。为了避免重合部分某个时间序列的值均为零的情况，本发明技术方案采用了拉普拉斯平滑的思想，在计算重合部分的余弦相似度时，对于每个数据点的值进行加一处理；第二部分为计算相似度时，由于未利用全部数据(滑动过程中仅利用重合部分计算余弦相似度)和两条时间序列长度不同(n≠m)而引入的惩罚项，其中λ为惩罚系数。

对于相似度定义中的i的3中不同情况，分别对应于图2A、图2B、和图2C；相似度计算过程如图2所示，其中，虚曲线为时间序列y^base(NA值未绘制在图2中)，实曲线为时间序列y⁽²⁾，两条红色的垂直虚线为参与相似度计算的数据(即虚曲线和实曲线的重合部分数据)。

通过计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到上述两个产品所对应的两条销量曲线之间的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}

对于V个产品中剩余的产品，重复上述步骤，从而得到V个产品中两两产品销量曲线的相似度，从而得到相似度矩阵

由于HMSim_u,v和HMSim_v,u值相同，因此相似度矩阵为对称矩阵，重复数值在上述矩阵中未展示。

步骤S103：设置一个阈值ε，利用该阈值对V个产品进行聚类以得到最终的簇集合C_final。在步骤S103中，利用该阈值对V个产品进行聚类以得到最终的簇集合C_final的具体包括步骤a至步骤e：

对于具有完整生命周期的产品全集G＝{G₁,G₂,…G_v}：

步骤a：从所述产品全集G中选取一个产品G_i，作为第一个簇C₁＝{G_i}中的产品；

步骤b：将G_i从产品全集中去除，取出产品全集G中除去G_i的剩余产品G_others＝G/G_i中的任一产品G_j，对于G_j∈G_others，如果HMSim_i,j≥ε，则将产品G_j并入簇中，C₁＝C₁∪{G_j}；

步骤c：重复步骤b，直至不再有新的产品被并入簇C₁中，从而得到一个完整的簇C₁；

步骤d：将簇C₁中的所包括的产品去除，得到更新的产品全集G＝G/C₁，对于更新后的产品全集，重复步骤a至步骤c，直到不能再产生新的簇，从而得到所有的簇C＝{C₁,C₂,…C_W}，其中，W≤V；

步骤e：设置另一个阈值η，其中，η为整数，且η≥2，将所有簇中所包括的产品个数小于η的簇的进行结合得到C_small＝{C₁,C₂,…,C_S}，然后舍去C_small集合中的簇，得到最终的簇集合C_final＝C/C_small。

步骤S104：对于任意一个簇C_i∈C_final，簇中所包含的产品集合为G_i＝{G₁,G₂,…,G_I}，根据该簇中任意两个产品在计算最终相似度时保留的两条产品销量曲线相对移动位置对I个产品的原始产品销量曲线进行叠加合并，得到合并后的产品销量曲线为：

其中，O_t为在时间为t时刻，产品销量曲线重叠的产品结合，||O_t||表示这个集合元素的个数；合并的过程示例如图3所示，在图3所示的4条曲线中，3条实线为一个簇内3个产品的销量曲线(根据之前计算相似度时的相对移动位置进行对齐)，虚线为合并后的产品销量曲线。

步骤S105：对于簇C_i，对合并后的产品销量曲线再次利用巴斯扩散模型对齐进行拟合，得到簇C_i最终的产品生命周期模式P_i＝(m_i,p_i,q_i)。

步骤S106：对所有属于C_final的簇均进行如簇C_i的操作，从而得到指定类产品的产品生命周期模式集合P＝{P₁,P₂,...,P_W}。

步骤S11：根据所述产品生命周期各阶段的划分方法确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置。在该步骤中，主要包括如下的步骤A1和步骤B1：

步骤A1：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期；步骤A1的具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B1：将所述指定类产品生命周期模式中的各个生命周期模式按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，从而确定各个生命周期模式的生命阶段的区间位置。

步骤S12：对于所述指定类产品下的一个新产品，根据预设的销量曲线之间相似度计算方法计算所述新产品销量曲线与所述生命周期模式集合中的各个生命周期模式的相似度，以得到相似度集合。在该步骤中，具体包括如下的步骤：

假设所述新产品销量曲线和所述指定类产品的生命周期模式集合中任一生命周期模式所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到所述新产品与所述指定类产品的生命周期模式集合中所述生命周期模式的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}；

对于所述指定类产品的生命周期模式集合中的剩余的生命周期模式，重复以上步骤以得到所述新产品的销量曲线与所述指定类产品的生命周期模式集合中各个生命周期模式的相似度，从而得到相似度集合。

步骤S13：将所述相似度集合中相似度最大时所对应的生命周期模式作为所述新产品的生命周期模式，并且记录相似度最大时所述新产品销量曲线与所述新产品生命周期模式的相对移动位置。

步骤S14：根据所述新产品生命周期模式的生命阶段的区间位置和所述相对移动位置确定该新产品所处的生命周期。在该步骤中，对于新产品的时刻t＝n，根据记录的所述新产品销量曲线与所述新产品的生命周期模式的相对移动的位置确定所记录的两条曲线相对移动的位置以得到此时刻产品新产品销售曲线对应到所述新产品的生命周期模式的巴斯扩散模型曲线的位置t_bass＝m，该位置所对应的生命周期阶段即为该新产品的产品生命周期阶段；

对于该新产品生命周期未来时刻t＝n+i,i＝1,2,…，将该新产品生命周期模式的巴斯扩散模型曲线的位置t_bass＝m+i,i＝1,2,…时刻所处的生命周期阶段作为该新产品生命周期未来时刻的预测值。

图4是根据本发明实施例的一种产品生命周期的识别装置的示意图。本发明的产品生命周期的识别装置40主要包括提取模块41、确定模块42、计算模块43、记录模块44、以及识别模块45；提取模块41用于获取销售系统中指定类产品的销售数据，然后将该销售数据根据预设的产品生命周期模式的提取方法、预设的产品生命周期各阶段的划分方法、以及预设的销量曲线之间相似度的计算方法提取指定类产品的生命周期模式集合；确定模块42用于根据所述产品生命周期各阶段的划分方法确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置；计算模块43用于对于所述指定类产品下的一个新产品，根据预设的销量曲线之间相似度计算方法计算所述新产品销量曲线与所述生命周期模式集合中的各个生命周期模式的相似度，以得到相似度集合；记录模块44用于将所述相似度集合中相似度最大时所对应的生命周期模式作为所述新产品的生命周期模式，并且记录相似度最大时所述新产品销量曲线与所述新产品生命周期模式的相对移动位置；识别模块45用于根据所述新产品生命周期模式的生命阶段的区间位置和所述相对移动位置确定该新产品所处的生命周期。

提取模块41还可用于：假设某个群体中共有U个产品，利用巴斯扩散模型对U个产品的销量曲线进行拟合得到曲线集合B＝{B₁,B₂,...,B_U}；根据预设的产品生命周期各阶段的划分方法对所述拟合得到的曲线集合中B的曲线进行生命周期各阶段的划分，从而确定U个产品中具有完整生命周期的产品集合G_full＝{G₁,G₂,...,G_V}，其中V≤U；根据预设的销量曲线之间相似度的计算方法计算V个产品中两两产品销量曲线的相似度，得到个V产品之间的相似度矩阵，并且记录该相似度矩阵中每个相似度对应的两条产品销量曲线相对移动位置：

设置一个阈值ε，利用该阈值对V个产品进行聚类以得到最终的簇集合C_final；

对于任意一个簇C_i∈C_final，簇中所包含的产品集合为G_i＝{G₁,G₂,…,G_I}，根据该簇中任意两个产品在计算最终相似度时保留的两条产品销量曲线相对移动位置对I个产品的原始产品销量曲线进行叠加合并，得到合并后的产品销量曲线为：

其中，O_t为在时间为t时刻，产品销量曲线重叠的产品结合，||O_t||表示这个集合元素的个数；

对于簇C_i，对合并后的产品销量曲线再次利用巴斯扩散模型对齐进行拟合，得到簇C_i最终的产品生命周期模式P_i＝(m_i,p_i,q_i)；

对所有属于C_final的簇均进行如簇C_i的操作，从而得到指定类产品的产品生命周期模式集合P＝{P₁,P₂,...,P_W}。

提取模块41还可用于：根据如下步骤A和步骤B确定U个产品中具有完整生命周期的产品集合：

步骤A：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期，具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B：对于U个产品中的任一产品，假设其产品原始销量曲线y₁＝{x₁,x₂,…,x_n}，利用巴斯模型拟合出来的曲线B₁＝{b₁,b₂,…,b_n}，将该拟合后的曲线按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，如果拟合出来的曲线包含了所述产品生命周期的所有阶段，则确定该产品具有完整的生命周期。

提取模块41还可用于：假设V个产品中任意两产品销量曲线所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值，构建的序列中前端和后端均包括m-1个NA值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到上述两个产品所对应的两条销量曲线之间的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}

对于V个产品中剩余的产品，重复上述步骤，从而得到V个产品中两两产品销量曲线的相似度。

提取模块41还可用于：根据如下步骤得到最终的簇集合C_final：对于具有完整生命周期的产品全集G＝{G₁,G₂,…G_v}：

步骤a：从所述产品全集G中选取一个产品G_i，作为第一个簇C₁＝{G_i}中的产品；

步骤b：将G_i从产品全集中去除，取出产品全集G中除去G_i的剩余产品G_others＝G/G_i中的任一产品G_j，对于G_j∈G_others，如果HMSim_i,j≥ε，则将产品G_j并入簇中，C₁＝C₁∪{G_j}；

步骤c：重复步骤b，直至不再有新的产品被并入簇C₁中，从而得到一个完整的簇C₁；

步骤d：将簇C₁中的所包括的产品去除，得到更新的产品全集G＝G/C₁，对于更新后的产品全集，重复步骤a至步骤c，直到不能再产生新的簇，从而得到所有的簇C＝{C₁,C₂,…C_W}，其中，W≤V；

步骤e：设置另一个阈值η，其中，η为整数，且η≥2，将所有簇中所包括的产品个数小于η的簇的进行结合得到C_small＝{C₁,C₂,…,C_S}，然后舍去C_small集合中的簇，得到最终的簇集合C_final＝C/C_small。

确定模块42还可用于：根据如下步骤A1和步骤B1确定所述指定类产品生命周期模式集合中各个生命周期模式的生命阶段的区间位置：

步骤A1：根据预设的产品生命周期各阶段的划分方法将产品的生命周期为对应的生命阶段，所述生命阶段包括：导入期、成长期、成熟期、衰退期、以及终结期；步骤A1的具体步骤包括：

设利用巴斯模型对产品原始销量曲线进行拟合后的产品的销量曲线为：

y＝f(t),t＝1,2,...,T

对所述拟合后的产品销量曲线求一阶导数，得到一阶导数曲线：

△f(t)＝f(t+1)-f(t),t＝1,2,...T-1

对所述拟合后的产品销量曲线求二阶导数，得到二阶导数曲线：

△²f(t)＝△f(t+1)-△f(t),t＝1,2,...T-2

其中，t表示时间，T表示时间的最大值；

将在拟合后的产品销量曲线的最大销量值左边的二阶导数曲线上最大销量值所对应的时间点作为导入期的结束点，同时作为成长期的起点，

将一阶导数曲线上的最大销量值所对应的时间点与拟合后的产品销量曲线上的最大销量值所对应的时间点之间的中点作为成长期的结束点，同时作为成熟期的起点，

将拟合后的产品销量曲线上的最大销量值所对应的时间点与一阶导数曲线上的最小销量值所对应的时间点之间的中点作为成熟期的结束点，同时作为衰退期的起点，

将在拟合后的产品销量曲线的最大销量值右边的二阶导数曲线上最大销量值所对应的时间点作为衰退期的结束点，同时作为终结期的起点；

步骤B1：将所述指定类产品生命周期模式中的各个生命周期模式按照上述产品生命周期各阶段的划分方法确定产品的生命周期的各个阶段，从而确定各个生命周期模式的生命阶段的区间位置。

计算模块43还可用于：假设所述新产品销量曲线和所述指定类产品的生命周期模式集合中任一生命周期模式所对应的时间序列分别为：和其中，n≥m，分别表示序列y⁽¹⁾和y⁽²⁾的时间点；x_n,x_m分别为序列y⁽¹⁾和y⁽²⁾在各个时刻时的产品的销量值；

根据所包含时刻多的时间序列构建一个新序列：

其中NA表示空值；

将时间序列y⁽²⁾在时间序列y^base上进行移动，即将时间序列y⁽²⁾的第1个点分别与时间序列y^base上的第i个点对齐，其中i＝1,2,…,m+n-1；当时间序列y⁽²⁾的第1个点与时间序列y^base的第i个点对齐时，定义此时的相似度为：

其中，λ为惩罚系数；

计算时间序列y⁽²⁾在移动过程中与时间序列y^base上的第i个点对齐时的sim_i，从而得到所述新产品与所述指定类产品的生命周期模式集合中所述生命周期模式的相似度：

HMSim＝max{Sim₁,Sim₂,...,Sim_n+m-1}；

对于所述指定类产品的生命周期模式集合中的剩余的生命周期模式，重复以上步骤以得到所述新产品的销量曲线与所述指定类产品的生命周期模式集合中各个生命周期模式的相似度，从而得到相似度集合。

识别模块45还可用于：对于新产品的时刻t＝n，根据记录的所述新产品销量曲线与所述新产品的生命周期模式的相对移动的位置确定所记录的两条曲线相对移动的位置以得到此时刻产品新产品销售曲线对应到所述新产品的生命周期模式的巴斯扩散模型曲线的位置t_bass＝m，该位置所对应的生命周期阶段即为该新产品的产品生命周期阶段；对于该新产品生命周期未来时刻t＝n+i,i＝1,2,…，将该新产品生命周期模式的巴斯扩散模型曲线的位置t_bass＝m+i,i＝1,2,…时刻所处的生命周期阶段作为该新产品生命周期未来时刻的预测值。

根据本发明实施例的技术方案，由于能够根据所给出的产品生命周期阶段的数学划分方法对产品生命周期阶段进行划分，同时对一个产品当前所处的生命周期阶段进行识别和未来时刻生命周期进行预测，不仅避免了主观因素的影响，而且对于新产品也无需利用模型对其进行重新估计拟合，计算量相对较小，最终提高了产品生命周期识别的准确率和效率。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。